深度领域自适应及其在跨工况故障诊断中的应用

作者：袁壮; 董瑞; 张来斌; 段礼祥^*

来源：振动与冲击, 2020, 39(12): 281-288.

DOI：10.13465/j.cnki.jvs.2020.12.038

• 深度学习
• 领域自适应
• 变工况
• 故障诊断

实际生产中,机械设备的工况变化会造成监测数据的分布差异,破坏分类模型的应用基础,降低诊断准确率。为此,提出一种基于深度学习的领域自适应方法,用于跨工况情境下轴承故障诊断。该方法构建两个级联的深度网络:前者用于处理振动信号,自动挖掘故障敏感特征;后者用于将不同工况的样本特征同步映射到一个深度隐藏层(公共特征空间)中,消除工况波动引起的分布差异,生成工况不变特征,实现领域自适应。此外,该深度映射网络可通过参数优化方法自适应构建,能够实现最佳的跨域诊断性能。实验表明,与其他方法和相关研究相比,深度领域自适应在跨工况故障识别中具有更高的准确率。

• 单位
  中国石油大学（北京）; 中国石油化工股份有限公司青岛安全工程研究院