文章详情
| 稿件标题： | 基于多源域深度迁移学习的舵机在线故障诊断 |
| 稿件作者： | 吕丞辉1，程进军1，胡阳光2，文斌成1，李剑峰1 |
| DOI： | 10.11809/bqzbgcxb2022.09.010 |
| 科学编辑： | 黄景德 博士（吉林大学教授、博导) |
| 栏目名称： | 装备可靠性工程专栏 |
| 关键词： | 舵机；轴承；多源域深度迁移学习；MSFAN；故障诊断 |
| 文章摘要： | 针对航空武器不同舵机轴承在不同负载力矩下呈现特征数据与工作状态映射关系难以定量表达，开展未知领域的状态识别是一条可行的技术路线；引入多源域深度迁移学习的思想，提出具有多核MMD的MSFAN故障诊断方法。采用傅里叶变换提取不同域原始数据的时频域特征，通过多核MMD距离度量方式减小源域和目标域之间的特征分布差异；利用特定域分类器降低不同域对目标样本在类边界附近的分类损失，提高模型在目标域中的分类精度。试验分别采用公开轴承数据集作为源域数据，使用该方法对目标域数据进行状态识别，与Alxnet、Rexnet18等诊断算法相比，所提方法获得较好的转移性能，基本达到100%的故障识别率。 |
| 引用本文格式： | 吕丞辉，程进军，胡阳光，等.基于多源域深度迁移学习的舵机在线故障诊断［J］.兵器装备工程学报，2022，43(09)：60-67. LYU Chenghui, CHENG Jinjun, HU Yangguang, et al.Online fault diagnosing of Rudders based on multisource domain deep transfer learning［J］.Journal of Ordnance Equipment Engineering，2022，43(09)：60-67. |
| 刊期名称： | 2022年09期 |
| 出版时间： | 2022年9月 |
| 上线时间： | 2022年9月28日 |
| 浏览次数： | 2519 |
| 下载次数： | 781 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |