仪器仪表学报

作者：沈飞，陈超，徐佳文，严如强

单位：沈飞,东南大学仪器科学与工程学院南京210096,,陈超,东南大学仪器科学与工程学院南京210096,,徐佳文,东南大学仪器科学与工程学院南京210096,,严如强,东南大学仪器科学与工程学院南京210096；西安交通大学机械工程学院西安710049,

关键词：谱质心;迁移学习;轴承故障诊断;频谱相似度

基金：国家自然科学基金（51575102）、东南大学优秀博士学位论文培育基金（YBPY1887）项目资助

轴承故障诊断普遍存在需建立不同模型以适应变工况的问题，故提出一种谱质心迁移学习模型，通过将源工况领域迁移至目标工况领域减少后者的建模代价，并增强模型通用性。首先计算两工况领域间频谱相似度（FSSM）并排序选择近距离源工况领域为初始训练集。其次在迭代过程中剔除与训练集谱质心均值距离较远的样本，并加入同数量目标工况领域无标签样本，直至两者谱质心均值距离一致，模型故障类别取决于支持向量机（SVM）和逻辑回归（LR）基分类器的输出。SpectraQuest齿轮传动系统试验结果表明，转速负载发生变化时，该模型诊断性能优于非迁移模型，且能够根据替换样本数、精度、频谱相似度、耗时等指标评估源工况领域质量，因此具有解决变工况轴承故障诊断问题的潜在价值。

来源：2019年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第5期