《计算机集成制造系统杂志》发表论文赏析
作者:尹超, 肖博, 李孝斌, 李波, 王云龙
单位:1.重庆大学机械与运载工程学院2.重庆大学高端装备机械传动全国重点实验室
摘要:针对滚动轴承跨域迁移诊断过程中源域和目标域数据分布差异大且故障类别不一致,导致故障诊断模型的泛化能力和诊断精度不够理想的问题,提出一种基于多源域加权迁移学习的滚动轴承开集故障诊断方法。首先,设计一种基于分类器的故障类型感知策略,在迁移学习过程中通过辨别目标域中的特有故障类别来减少其与源域的特征分布对齐;然后,根据目标域数据在源域中的相似性得分对多个源域中产生的互补分类器进行加权,通过组合权重融合多个源域的诊断决策,以得到故障诊断精度更高的结果;最后,通过两个实验案例对所提方法进行可行性验证和对比分析。实验结果表明,所提方法在滚动轴承跨工况和跨机器迁移故障诊断场景下具有更高的诊断精度和更强的泛化性能。
关键词:故障诊断,迁移学习,开集,自适应训练
基金资助:国家重点研发计划资助项目(2023YFB3308001);国家自然科学基金资助项目(52475511,52075060);重庆市技术创新重大研发资助项目(CSTB2024TIAD-STX0029);重庆市自然科学基金面上资助项目(CSTB2022NSCQ-MSX1283)。
2025年12期其他文献查阅:
SUV风格设计智能生成与预测:可解释性风格预测模型与StyleGAN3的整合效应
TMPNet:融合Transformer与Mamba的机械零件三维点云精确分割方法
基于LLM和IDDQN的柔性作业车间工件机器天车协同调度研究
融合多尺度卷积网络与TransGRU的流程生产过程质量多步预测方法
基于改进PC算法的汽车铝构件一体化铸造质量因果图结构学习方法