14 / 2021-08-27 14:44:06

数模联合驱动的轴承故障深度迁移智能诊断方法

轴承故障诊断,轴承动力学模型,迁移学习,变工况,样本缺失

滚动轴承作为旋转机械的核心部件，直接影响设备的可靠性和稳定性。在工程实际中，轴承运行工况多变，故障样本不完备。传统智能诊断方法假设训练集和测试集独立同分布且具有相同的标签空间，难以解决变工况、故障样本缺失条件下的故障诊断问题。针对这一问题，提出了一种数模联合驱动的轴承故障深度迁移智能诊断方法。主要包括：利用轴承故障动力学模型生成缺失的故障样本；利用改进最大均值差异算法度量源域和目标域的特征分布差异，对齐类级分布。最后，开展轴承实验验证该方法的有效性，实验结果显示该方法优于其他典型智能诊断方法，可以有效解决变工况、故障样本缺失条件下的故障诊断问题。