基于無監(jiān)督特征對齊的滾動軸承故障診斷

打開文本圖片集

摘要針對不同轉速環(huán)境下采集到的滾動軸承振動數據特征分布不一導致待診斷樣本標簽較難獲取的問題，提出一種基于深度遷移網絡的故障診斷方法。首先，搭建領域共享的特征提取網絡，利用卷積神經網絡（ Convolutional Neural Network ，CNN）提取振動信號中敏感故障特征，并結合雙向長短時記憶（ Bi-directional Long Short-Term Memory ，BiLSTM）網絡進一步提取敏感故障特征中的時間信息;然后，在深度遷移網絡中分別嵌入 CORAL 損失和 JMMD 損失，通過最小化二階統(tǒng)計量差異和聯合分布最大均值差異值，縮小源域和目標域特征分布差異，進而提取到兩域的共同特征;最后，添加 Softmax 分類層，實現對目標數據的故障狀態(tài)識別。（剩余12764字）