修正未见工况下电机振动数据中的域偏移
信号处理
2025-04-16 v1
摘要
本文探讨了测试场景中新工况导致的电机振动数据中的域偏移问题，重点关注轴承故障检测与诊断（FDD）。所提方法将谐波特征空间（HFS）与回归相结合，以修正稳态数据中的频率和能量差异，从而能够在训练条件范围内的未见工况下实现准确的 FDD。HFS 对齐不同工作频率下的谐波，而回归则补偿能量变化，保留了对于故障检测至关重要的振动相对幅值。所提方法在 Belt-Starter Generator (BSG) 电机的实验数据上进行了检测问题评估，测试条件与训练条件之间的最小差异为 1000 RPM 和 5 Nm。结果表明，该方法优于传统分析技术，在 94% 的检测率下实现了高分类准确率，并有效减少了域偏移。该方法计算效率高，仅需健康数据进行训练，非常适合无法预先确定确切应用工况的实际应用。
引用
@article{arxiv.2504.10661,
title = {Correcting Domain Shifts in Electric Motor Vibration Data for Unseen Operating Conditions},
author = {Lesley Wheat and Martin v. Mohrenschildt and Saeid Habibi and Dhafar Al-Ani},
journal= {arXiv preprint arXiv:2504.10661},
year = {2025}
}
备注
8 pages, 7 figures, 3 tables, conference