科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对轴承故障诊断中存在训练样本和测试样本分布不同以及各类故障数据不平衡导致故障识别率低的问题，设计了一种基于改进残差网络（ResNet）的领域自适应故障诊断方法。在诊断网络第一层使用多维度卷积结构进行特征提取，得到不同维度的故障特征信息；在域自适应层采用局部最大平均差异(LMMD)来对齐源域和目标域的分布，获取更多细粒度信息；使用类平衡损失函数（CBLoss）来解决不平衡数据的训练问题，以Adam优化网络实现故障诊断。实验结果表明，所提改进方法能够在故障样本类别不平衡下有较高的诊断结果。在两个轴承数据集和采集的风力发电机数据上进行了实验验证，结果表明，所提改进方法具有一定的优越性，在数据样本不平衡情况的诊断性能优于其他深度迁移学习方法，可作为一种有效的跨工况故障分析方法。
- 单位
