仪器仪表学报

作者：吕 枫，王 义，阮胡林，秦 毅，王 平

单位：吕 枫,1. 重庆大学机械工程学院,,王 义,1. 重庆大学机械工程学院，2 重庆大学机械传动国家重点实验室,,阮胡林,1. 重庆大学机械工程学院,,秦 毅,1. 重庆大学机械工程学院，2 重庆大学机械传动国家重点实验室,,王 平,3. 中国航发湖南动力机械研究所,

关键词：关系网络;半监督学习;齿轮箱故障诊断;伪标签学习

基金：国家自然科学基金(51805050)资助、西安交通大学机械制造系统工程国家重点实验室开放课题(sklms2020014)项目资助

针对只有少量标记样本的情况下,传统的基于深度学习的齿轮箱故障诊断方法训练出来的深度模型泛化能力差并且容易发生过拟合的问题,提出了一种基于深度嵌入关系空间下齿轮箱标记样本扩充的齿轮箱半监督故障诊断方法。该方法将少量的有标记振动信号以成对的输入方式输入到关系网络中进行监督训练,然后以有标记振动信号为参考,将大量的无标记振动信号输入到训练好的关系网络中,建立有标记信号与无标记信号的嵌入关系空间。在关系空间中将具有最大相似的无标记信号被挑选出,并赋予其预测标记作为伪标签添加到有标记振动信号集中,重复上述步骤以进行有标记样本集扩充,以提高关系网络的泛化能力,当关系网络训练好后用于机械故障诊断,实现故障的诊断及分类。实验结果表明:利用本诊断方法处理只有少量标记样本的齿轮振动信号时,成功地实现了少量标记样本的扩充,并取得了优于传统的监督和半监督故障诊断方法的齿轮箱故障辨识效果。

来源：2021年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第2期