基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法OA北大核心
Research on Multi-source Transfer Learning Bearing Fault Diagnosis Based on Shapelets Time Series
针对滚动轴承故障诊断在工程实际中故障数据稀缺的问题,提出一种基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法.首先利用典型故障信息丰富、标记样本充足的滚动轴承数据构建多源域数据集,使用不同源域的数据对源域特征提取器与分类器进行预训练;然后利用基于动态时间规整的shapelets学习算法提取源域与 目标域的shapelets作为判别结构,通过度量判别结构优化源域数据,对源域网络进行微调以得到诊断模型;最后根据每个源域与 目标域的sh…查看全部>>
李可;燕晗;顾杰斐;宿磊;苏文胜;薛志钢
江南大学江苏省食品先进制造装备技术重点实验室,无锡,214122江南大学机械工程学院,无锡,214122江南大学江苏省食品先进制造装备技术重点实验室,无锡,214122江南大学机械工程学院,无锡,214122江南大学江苏省食品先进制造装备技术重点实验室,无锡,214122江南大学机械工程学院,无锡,214122
机械制造
滚动轴承故障诊断shapelets时间序列多源迁移学习
《中国机械工程》 2022 (24)
齿轮箱多源稀疏表征与域分离感知深度迁移学习诊断方法研究
2990-2996,3006,8
国家自然科学基金(51775243,52175096)中国博士后科学基金(2021T140279)江苏省市场监督管理局科技计划(KJ196043)
评论