《电子测量技术杂志》发表论文赏析

基于多任务学习的电机声信号域自适应故障诊断方法

来源:电子测量技术杂志2025年第1期北京时间:

作者:王永淇,肖登宇,胡嫚,秦毅,吴飞

单位:1.西南大学工程技术学院 重庆 400715; 2.重庆大学机械与运载工程学院 重庆 400030

摘要:由于高质量的电机故障数据样本的采集和处理成本过高,新采集的数据样本存在无标注的情况,而域自适应可以借助现有数据对无标注的新数据进行处理识别,因而在故障诊断领域受到了广泛关注。在基于域自适应的电机故障诊断领域,存在两个问题:常用域自适应框架下会出现多任务梯度冲突。同时,现有方法极少研究复杂运行状态之间的迁移任务。因此本文提出了AMDA电机故障诊断方法以解决上述问题。AMDA方法利用多层一维卷积层、批量归一化层和池化层构成的特征提取器,提取源域和目标域的高阶特征;之后结合使用基于对抗的方法和基于分布差异度量的方法,减小源域和目标域数据特征的分布差异;最后引入基于梯度对齐的多任务学习方法,对故障分类器、域判别器和分布差异度量三个任务进行平衡和优化,减小多任务梯度之间的冲突,最终得到基于多任务学习的电机声信号的域自适应故障诊断模型。使用所提出的AMDA方法在多个试验设置下进行跨运行状态故障诊断试验,试验结果表明,AMDA方法在基于声信号的跨运行状态电机故障诊断试验中,完成了稳定运行状态(Stable)、启动运行状态(Start)和循环运行状态(NEDC)之间的迁移任务,最高诊断正确率可达91.47%。同时,AMDA方法在两个对比试验中,性能均显著高于其他方法,具有一定的研究价值和工程应用价值。

关键词:电动机;声信号;故障诊断;域自适应;多任务学习

基金资助:中央高校基本科研业务费专项(2024CDJZC0-012, 2024CDJGF-031)、气动院气动噪声重点实验室“新风向”联合创新项目(XFX20220204)资助

2025年1期其他文献查阅:

基于同步双向A星和灰狼优化的多点巡航规划

基于多任务学习的电机声信号域自适应故障诊断方法

基于CBAM-SRResNet的水下图像超分辨率重建研究

改进YOLOv8的城市行车道路障碍物检测算法研究

基于匹配滤波的非接触生命体征测量

用于运动想象脑电信号分类的深度学习网络

改进YOLOv8的密集人群口罩检测算法

基于轻量化YOLOv7的带式输送机输送带撕裂检测算法

扰动信息未知的永磁同步电机自适应滑模控制

基于多策略改进灰狼算法的无人机路径规划

改进YOLOv8的光伏电池缺陷检测算法

基于多目标跟踪优化的路口车辆轨迹提取方法

基于改进YOLOv8的轻量化皮革缺陷检测方法

基于Densenet模型的步态相位识别研究

融合时频特征的通信辐射源个体识别方法

基于多层注意力和度量学习的商品识别方法

结合视图感知CNN和Transformer的阿尔茨海默病诊断研究

改进YOLOv8n的轻量级遥感图像军用飞机检测算法

基于Enhanced Zero-DCE++的水下选通图像增强技术研究

自适应复杂环境噪声的多重关注联合优化检测算法

基于改进ResNet深度学习的古代壁画分类方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!