机械工程学报

作者：雷亚国, 杨彬, 李乃鹏, 李响, 武通海

单位：西安交通大学现代设计及转子轴承系统教育部重点实验室 西安 710049

关键词：机械设备,靶向迁移,故障智能诊断,深度迁移学习；

基金：国家杰出青年科学基金（52025056）、国家自然科学基金（52005387）和中央高校基本科研业务费专项资金资助项目

机械故障迁移诊断运用已学习到的设备(源域)诊断知识解决相关设备(目标域)的诊断问题，可望克服大数据下标签数据稀缺、故障信息不全的智能诊断难题。为有效地跨域迁移故障诊断知识，使智能诊断模型能够在不同设备间迁移应用，现有研究要求目标域的数据标签空间相对源域的偏移较小，且两者相互对称，这在跨设备迁移诊断中难以满足，降低了智能诊断模型的迁移诊断精度。受“靶向治疗”基本原理启发，提出机械故障靶向迁移诊断方法。首先建立领域共享的深度卷积网络，将源域与目标域的数据映射到深层特征空间；然后设置目标域中极少量的标签数据为制导锚点，并根据制导锚点与源域数据的标签对应关系确定深层特征空间中的靶向区域；最后规划目标域数据向靶向区域移动的制导轨迹，进而基于最优传输理论适配深层特征的局部分布。通过不同设备之间的轴承故障迁移诊断试验对提出方法进行验证，结果表明：提出方法能够定向适配深层特征的局部分布，提高了智能诊断模型在不同设备间的轴承故障迁移诊断精度。

来源：2022年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第12期