基于多尺度殘差網絡的域適應軸承故障識別方法

作者：趙志宏,孫美玲,竇廣鑒. 日期：2023-12-26/span> 瀏覽：1221 查看PDF文檔

摘要:不同工況下的故障軸承原始振動信號存在分布差異較大的問題,在進行故障診斷時也會存在特征提取不充分,從而導致故障診斷模型診斷精度較低的問題,為此,提出了一種基于多尺度殘差網絡的對數相關對齊(logCORAL-MsRN)的域適應軸承故障識別方法(模型)。首先,對軸承原始振動信號進行了預處理,將其轉換為二維灰度圖像;然后,使用多尺度殘差塊和空洞卷積對殘差神經網絡ResNet50的網絡結構進行了改進,設計了一種多尺度殘差網絡(MsRN),以充分提取軸承的故障特征,避免深層網絡結構的梯度消失問題;提出了一種對數相關對齊(logCORAL)域適應方法,更好地進行了域間分布對齊;最后,采用交叉熵損失和logCORAL損失作為目標優化函數,對上述模型(方法)進行了訓練,在美國凱斯西儲大學(CWRU)公開數據集上進行了變工況下的對比實驗和消融實驗。研究結果表明:logCORALMsRN方法在變工況條件下的軸承故障診斷的平均準確率高達96.53%,并且優于其他對比方法,即特征提取網絡MsRN可以提取出不同尺度的、更加豐富的軸承故障信息,域適應方法logCORAL可以有效地對齊源域和目標域之間的特征分布,驗證了該方法的有效性及優越性。

關鍵詞:多尺度殘差網絡對數相關對齊;域適應;深度學習;遷移學習;變工況對比實驗;消融實驗

中圖分類號:TH133.3;TP24文獻標識碼:A文章編號:1001-4551(2023)12-1898-09


本文引用格式:

趙志宏,孫美玲,竇廣鑒.基于多尺度殘差網絡的域適應軸承故障識別方法［J］.機電工程,2023,40(12):1898-1906.

ZHAO Zhihong, SUN Meiling, DOU Guangjian. Domain adaptive bearing fault identification based on multi-scale residual network［J］.Journal of Mechanical & Electrical Engineering, 2023,40(12):1898-1906.