融合迁移卷积神经网络的跨域滚动轴承故障诊断

作者：王廷轩; 刘韬^*; 王振亚; 刘应东

来源：电子测量技术, 2021, 44(10): 167-174.

DOI：10.19651/j.cnki.emt.2106657

• 不同工况
• 卷积神经网络
• 跨平台迁移学习
• 故障诊断
• 多核最大均值差异

为了解决传统的机器学习算法在不同工况下跨平台的滚动轴承故障诊断中容错率和诊断精度低的问题,提出了基于连续小波变换(CWT)算法与迁移学习(TL)算法相融合的滚动轴承故障诊断方法。该方法通过提取不同工况下跨平台的滚动轴承故障时域信号分别作为源域样本和目标域样本,并通过CWT算法将振动信号转化为二维信号。其次将故障信号通过核函数将源域样本和目标域样本映射到再生希尔伯特空间,以多核最大均值差异(MK-MMD)距离为度量标准,优化迁移过程的卷积神经网络(CNN)的损失函数,减小迁移后源域样本和目标域样本的分布差异。最后将适配的源域和目标域样本通过CNN模型进行模式识别,实现不同工况下跨平台的滚动轴承故障迁移诊断。经过实验验证,本文所提方法相较于其他方法,显著提高了不同工况下跨平台的滚动轴承故障诊断精度和鲁棒性。

• 单位
  机电工程学院; 昆明理工大学