基于多源域深度域自适应的跨工况滚动轴承故障诊断

简介

在实际生产中,不同工况下的源域数据与目标域数据分布差异大且含标签的故障样本量少,单源域迁移故障诊断无法同时利用多个源域提供的诊断信息,会出现负迁移与模型泛化能力差的问题。针对此情况,提出一种基于多源域深度域自适应模型的滚动轴承故障诊断方法。将多个源域与目标域的原始一维时域信号输入到模型中的共享特征提取网络中,提取所有域的域不变特征;利用私有特征提取网络分别匹配每个源域与目标域的特征空间分布,结合最大均方差异(MMSD)与局部最大均值差异(LMMD)设计新型损失函数——局部最大均方差异(LMMSD),减小每对源域与目标域之间的数据特征分布差异,同时,使用领域判别器损失进一步增加域混淆;最后,根据LMMSD损失获得不同源域相对于目标域的权重,将多个源分类器与相应的权重相结合,对设备状态进行综合诊断。在2个公开变工况滚动轴承故障数据集上进行实验验证,结果表明所提方法相比其他方法具有更高的诊断精度与泛化能力。