多通道数据融合的自适应原型对比学习智能诊断方法

作者：宋秋昱; 李学岗; 江星星^*; 王志坚; 黄伟国; 朱忠奎

来源：计算机集成制造系统, 2023, 1-17.

• 域适应
• 智能轴承诊断
• 数据融合
• 原型对比学习

针对传感器单通道状态监测数据信息涵盖量与可信度不足、不同工况下数据分布不同、专家标注成本高昂等挑战性问题，提出多通道数据融合的自适应原型对比学习智能诊断方法，实现极少量标签下基于多通道数据的变工况轴承故障诊断。首先，利用传感器多通道振动数据，建立多通道信息融合的样本增强策略，提升样本质量；然后，设计相对熵引导集中度系数自适应优化的原型对比学习，通过自监督域适应提取更具表征力的跨域迁移特征；最后，在源域样本极少量标签的半监督下，实现轴承故障分类。实验结果表明，源域有标签数据占比1%时，在面向轴承7种故障类别的12种跨域诊断任务中，提出方法的平均诊断准确率达97.1%及以上，相比其它6种对比方法至少分别提升了15.5%、16.6%、13.5%、14.9%、19.1%和12.7%。

• 单位
  中北大学; 苏州大学