聚类引导的非同源旋转设备平滑性迁移诊断方法

来源：振动与冲击杂志2025年第15期北京时间：

作者：杨汶金,，刘韬kmliutao@aliyun.com,，王振亚,，王贵勇

单位：1.昆明理工大学机电工程学院，昆明650500；2.云南省先进装备智能制造技术重点实验室，昆明650500；3.内蒙古第一机械集团有限公司，内蒙古包头014000

摘要：针对迁移学习在工业现场应用中存在的因非同源故障数据域漂移和噪声干扰所导致的负迁移问题，本文提出一种聚类引导的无监督平滑性迁移诊断方法。首先，利用奇异谱分解(Singular spectrum decomposition,SSD)技术对数据进行降噪处理，消除故障信号中其他频带成分的干扰；然后基于一维卷积神经网络构建无监督领域对抗迁移网络，并引入平滑性域对抗训练策略，使模型达到平滑最小任务损失并增强目标域上的泛化能力；其次，设计判别性聚类方法以学习域不变特征空间并优化目标域样本判别分类信息，进而提高无监督聚类性能并抑制负迁移；最后，应用该迁移诊断方法完成多组跨设备变工况条件下的滚动轴承健康状态识别。通过多个评价指标综合验证表明：所提方法能够充分弥合源域与目标域间的差异性，提高非同源设备迁移诊断精度和泛化性。<br>

关键词：迁移学习；故障诊断；奇异谱分解；判别性聚类；领域对抗