数据领域选择与空间迁移在齿轮箱故障诊断中的应用

作者：沈飞; 陈超; 徐佳文; 严如强^*

来源：振动工程学报, 2021, 34(02): 389-401.

DOI：10.16385/j.cnki.issn.1004-4523.2021.02.020

• 故障诊断
• 齿轮箱
• 空间迁移
• 频带选择独立成分分析
• 均衡密度投影

提出一种空间迁移新思路,以提升齿轮箱故障诊断性能,其由辅助振动数据构成源领域、目标振动数据构成目标领域,迁移学习(Transfer learning,TL)将前者分类模型应用至后者,以克服短时间内目标振动数据不足的问题。根据频带选择独立成分分析(Band selective independent component analysis,BS-ICA)规则选择迁移模型的数据领域,并提取其时域特征构成五维空间。利用均衡密度投影(Equilibrium density projection,MDP)将源领域和目标领域同时映射至二维投影空间,并最小化领域均值差异以拉近两者在低维空间内的距离。在投影空间内,利用逻辑回归(Logistic regression,LR)和支持向量机(Support vector machine,SVM)基分类器对映射样本实施分类。同时通过剔除低质量源领域样本,加入新采集样本以维持模型更新。利用Spectra Quest齿轮传动系统,对比迁移成分分析(Transfer composition analysis,TCA)、领域适应机(Domain selection machine,DSM)等传统TL模型,所提方法不但能提高工况快速变化时的诊断精度,同时能加快诊断速度,具有实际的工程应用价值。

• 单位
  西安交通大学; 东南大学