仪器仪表学报

作者：陈祝云，林慧斌，夏景演，晋 刚，李巍华

单位：陈祝云,1. 华南理工大学机械与汽车工程学院，2. 琶洲实验室，3. 北京信息科技大学重点 科研机构,,林慧斌,1. 华南理工大学机械与汽车工程学院,,夏景演,1. 华南理工大学机械与汽车工程学院,,晋 刚,1. 华南理工大学机械与汽车工程学院,,李巍华,1. 华南理工大学机械与汽车工程学院，2. 琶洲实验室，4. 华南理工大学吴贤铭智能工程学院,

关键词：故障诊断;对抗学习;新故障;深度学习;迁移学习

基金：国家自然科学基金（52205101, 51875208, 52275111）、广东省基础与应用基础研究基金区域联合基金青年基金（2021A1515110708）、广州市基础研究计划基础与应用基础研究项目（202201010615）、北京信息科技大学重点科研机构（KF20212223204）项目资助

针对深度迁移学习诊断方法要求机械设备训练数据与测试数据具有相同类别空间,同时难以有效识别新故障的问题,提出了一种基于选择性加权适配网络的多域新故障识别方法。所提方法利用一维卷积神经网络提取源域与目标域深度判别特征,并集成领域判别器与多分类器结构,构建源域与目标域权重函数,自适应度量源域与目标域类别的相似程度;从而利用对抗学习策略来有效减少源域与目标域共享类数据的分布差异;最后利用高斯分布拟合方法自动判别权重阈值,实现对目标域已知故障和新故障的有效诊断。在齿轮箱变工况迁移诊断任务上对所提方法进行分析与应用验证,并与现有的其它方法进行比较,所提方法在所有任务上的调和平均值(E-score)达到0.8以上,验证了所提方法的有效性与优越性。

来源：2022年第10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10期