基于多模式仿真数据协同迁移的轴承故障辨识OA北大核心CSTPCD
Bearing Fault Identification Based on Multi-modal Simulation Data Co-migration
针对目前迁移诊断算法对训练样本规模与质量的依赖性,以及在特殊工况环境中进行轴承故障数据采集与标注的困难性问题,提出基于多模式仿真数据协同迁移的轴承故障诊断方法.首先,采用实际工况参数嵌入的轴承故障动力学模型生成各类故障模拟数据,解决实际故障样本不足与标签缺失问题.然后,根据在仿真数据可迁移模式分析基础上建立多个子源域,引入几何统计联合对齐法对各子源域进行无监督迭代迁移,克服了单一模式迁移信息不足与跨域特征差异度过大引起的负迁移问题.最后,采用优化…查看全部>>
In view of the dependence of the current migration diagnosis algorithm on the size and quality of training samples and the difficulty of collecting and labeling bearing fault data in the special working condition environment,a bearing fault diagnosis method based on the co-migration of multi-mode simulation data is proposed.First,the bearing fault dynamics model embedded with actual working conditions parameters is used to generate various fault simulation s…查看全部>>
刘小峰;亢莹莹;柏林;陈兵奎
高端装备机械传动全国重点实验室(重庆大学),重庆市沙坪坝区 400044高端装备机械传动全国重点实验室(重庆大学),重庆市沙坪坝区 400044高端装备机械传动全国重点实验室(重庆大学),重庆市沙坪坝区 400044高端装备机械传动全国重点实验室(重庆大学),重庆市沙坪坝区 400044
机械工程
故障动力学建模协同迁移几何统计联合对齐模糊积分迁移诊断
fault dynamics modelingcollaborative migrationjoint geometric and statistical alignmentfuzzy integrationmigration diagnosis
《中国电机工程学报》 2024 (16)
6632-6643,12
国家科技重大专项(J2019-IV-0001-0068)国家自然科学基金项目(52175077).Project Supported by National Science and Technology Major Project(J2019-IV-0001-0068)Project Supported by National Nature Science Foundation of China(52175077).
评论