仪器仪表学报

作者：黄星华，吴天舒，杨龙玉，胡友强，柴 毅

单位：黄星华,1.重庆大学自动化学院,,吴天舒,1.重庆大学自动化学院,,杨龙玉,1.重庆大学自动化学院,,胡友强,1.重庆大学自动化学院,,柴 毅,1.重庆大学自动化学院,

关键词：特征提取;域自适应;故障诊断;深度学习

基金：国家重点研发计划项目(2019YFB2006603)、国家自然科学基金项目(U2034209)资助

针对基于深度学习的旋转机械故障诊断方法在新工作条件下缺乏标注数据、跨域诊断精度较低的问题,提出了一种基于Transformer的域自适应故障诊断方法。采用Transformer的变体VOLO构造特征提取器以获取细粒度更佳的故障特征表示。利用源域数据进行监督学习对源域和目标域数据的特征提取器进行预训练,并且冻结源域提取器参数以获取固定的源域特征。利用域对抗自适应策略和局部最大平均差异结合目标域未标注数据训练目标域特征提取器,实现源域特征与目标域特征的边缘分布、条件分布对齐。通过两个多工况实验对所提出的故障诊断算法进行了验证,结果表明提出的基于Transformer特征提取的域自适应故障诊断方法相比5种传统域自适应方法,在齿轮和轴承数据集上分别平均提升了22.15%和11.67%的诊断精度,证明所提出方法对于跨域诊断精度具有提升作用。

来源：2022年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第11期