基于深度對(duì)比遷移學(xué)習(xí)的變工況下機(jī)械故障診斷

打開文本圖片集

摘要： 機(jī)械設(shè)備實(shí)際運(yùn)行中的工況具有時(shí)變性，這加劇了源域（訓(xùn)練集）和目標(biāo)域（測(cè)試集）數(shù)據(jù)之間的分布差異，因而導(dǎo)致智能故障診斷模型的性能下降。提出了一種基于深度對(duì)比遷移學(xué)習(xí)的方法，可用于機(jī)械設(shè)備變工況下的故障智能診斷。利用多層卷積塊作為模型前置特征提取器，能夠有效提取原始振動(dòng)數(shù)據(jù)的代表性特征，提升故障分類器和域判別器的診斷性能。（剩余12005字）