基于深度条件子域自适应网络的轴承跨域故障诊断研究

来源：动力工程学报杂志2024年第1期北京时间：

作者：范永胜, 丁雪, 邓艾东,

摘要：针对无监督跨域故障诊断领域存在标注数据不足、模型诊断精度低等问题,提出了一种新型深度条件子域自适应网络(DCSAN)。该网络将分类器预测的置信度映射到共享特征提取器所提取的特征中,以获得多模态映射特征,之后利用多核局部最大平均差异(MK-LMMD)度量不同域间多模态映射特征之间的距离。然后,通过最小化MK-LMMD和分类器损失函数,实现了源域和目标域相应子域分布的对齐。最后,在江南大学轴承数据集上对所提方法的可行性进行了验证。结果表明:在6个变工况迁移任务中,DCSAN模型的平均诊断准确率分别比深度适配网络(DAN)、域相关性对齐方法(D-CORAL)和基于对抗学习域适应方法(DANN)模型高出9.5百分点、8.0百分点和13.6百分点;所提DCSAN模型在子域对齐和跨域自适应故障诊断方面具有一定的有效性和优越性。

关键词：无监督,条件子域自适应,变工况,故障诊断,