基于多源域深度迁移学习的舵机在线故障诊断
针对航空武器不同舵机轴承在不同负载力矩下呈现特征数据与工作状态映射关系难以定量表达,开展未知领域的状态识别是一条可行的技术路线;引入多源域深度迁移学习的思想,提出具有多核MMD的MSFAN故障诊断方法.采用傅里叶变换提取不同域原始数据的时频域特征,通过多核MMD距离度量方式减小源域和目标域之间的特征分布差异;利用特定域分类器降低不同域对目标样本在类边界附近的分类损失,提高模型在目标域中的分类精度.试验分别采用公开轴承数据集作为源域数据,使用该方法对目标域数据进行状态识别,与Alxnet、Rexnet18等诊断算法相比,所提方法获得较好的转移性能,基本达到100％的故障识别率.
舵机、轴承、多源域深度迁移学习、MSFAN、故障诊断
43
TP18(自动化基础理论)
2022-11-07（万方平台首次上网日期，不代表论文的发表时间）
共8页
60-67
