基于无监督特征对齐的滚动轴承故障诊断

打开文本图片集

摘要针对不同转速环境下采集到的滚动轴承振动数据特征分布不一导致待诊断样本标签较难获取的问题，提出一种基于深度迁移网络的故障诊断方法。首先，搭建领域共享的特征提取网络，利用卷积神经网络（ Convolutional Neural Network ，CNN）提取振动信号中敏感故障特征，并结合双向长短时记忆（ Bi-directional Long Short-Term Memory ，BiLSTM）网络进一步提取敏感故障特征中的时间信息;然后，在深度迁移网络中分别嵌入 CORAL 损失和 JMMD 损失，通过最小化二阶统计量差异和联合分布最大均值差异值，缩小源域和目标域特征分布差异，进而提取到两域的共同特征;最后，添加 Softmax 分类层，实现对目标数据的故障状态识别。（剩余12764字）