10.3969/j.issn.2095-2163.2023.10.009
小波包域对抗注意力迁移学习故障研究
针对轴承故障特征提取能力不足、源域与目标域数据分布差异过大等问题,本文提出了一种基于小波包域对抗注意力迁移学习的故障诊断方法(WWRESE-IDALM).首先,通过小波包变换(Wavelet Packet Transform,WPT)获得不同重点节构的时频域信息;其次,将重构后的时频域信息数据经过一层大卷积核和通道注意力模块(Squeeze and Excitation,SE)提取轴承深度关键信息特征;利用改进的域对抗网络(Domain-Adversarial Training of Neural Networks,DANN)和局部最大平均差异(Local Maximum Mean Discrepancy,LMMD)对齐子域分布,减少相关子域和全局域之间的结构差异;最后,通过标签分类网络完成故障分类.在帕德博恩大学轴承数据集诊断结果证明了所提出的WWRESE-IDALM方法具有良好的变工况故障分类能力.
故障诊断、小波包变换、通道注意力模块、迁移学习
13
TH133.33
国家自然科学基金;国家重点研发计划;国家重点研发计划
2023-11-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
40-44