两级混淆对抗域自适应网络轴承故障诊断
邬春明1
朱海潮2
马欣2
郭晓利2
1.东北电力大学 现代电力系统仿真控制与绿色电能新技术教育部重点实验室,吉林吉林 132012;东北电力大学 电气工程学院,吉林吉林 1320122.东北电力大学 电气工程学院,吉林吉林 132012
摘要：在变工况轴承故障诊断任务中,领域自适应方法仅仅对两个域进行全局对齐,而未进行相应类别的对齐,为解决上述问题,提出了一种两级混淆对抗域自适应网络.该网络由一个特征生成器、两个标签分类器及一个辅助分类器组成.网络使用源域样本帮助两个任务分类器学习,同时在辅助分类器上构造了基于两级域混淆损失的对抗性学习目标函数,通过对抗训练,驱动特征生成器生成类别对齐的特征.两个公共轴承数据集的实验结果表明,该方法的平均诊断准确率远远高于传统深度学习算法和其它四种域自适应算法.
关键词：轴承故障诊断领域自适应深度学习迁移学习
分类号：TP391(计算技术、计算机技术)
资助基金：吉林省科技发展计划项目(20210203195SF)
论文发表日期：2022-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 159-166 )
英文信息