基于可迁移特征域自适应的不同工况下轴承故障诊断
信号处理
2018-06-06 v1
摘要
轴承失效是旋转机械中最常见的失效模式,可导致巨大经济损失甚至人员伤亡。然而,轴承周围复杂结构与实际可变工况会导致训练集与测试集间振动信号分布差异较大,从而引起故障诊断准确率下降问题。因此,如何有效提升不同工况下轴承故障诊断性能始终是一项主要挑战。本文提出一种基于可迁移特征域自适应(DATF)的不同工况下轴承故障诊断新方法。正常轴承与故障轴承的数据集通过不同电机转速与负载条件下原始振动信号的快速傅里叶变换(FFT)获得。随后,我们基于最大均值差异(MMD),通过细化伪测试标签(可由训练数据上建立的近邻(NN)分类器得到)同时缩减跨域的边缘分布与条件分布,经若干次迭代后获得训练域与测试域的鲁棒可迁移特征表示。借助在可迁移特征上训练的 NN 分类器,最终准确识别轴承故障类别。大量实验结果表明,所提不同工况下方法能准确识别轴承故障,并明显优于对比方法。
引用
@article{arxiv.1806.01512,
title = {Bearing fault diagnosis based on domain adaptation using transferable features under different working conditions},
author = {Zhe Tong and Wei Li and Bo Zhang and Meng Zhang},
journal= {arXiv preprint arXiv:1806.01512},
year = {2018}
}
备注
Fault diagnosis; Vibration signal; Domain adaptation; Transferable features