223 / 2024-03-13 19:01:48

学生-基于小样本学习的旋转设备跨域智能故障诊断方法

故障诊断,跨域小样本,Mixup,Vision Transfomer

随着现代工业技术的发展，基于深度学习的旋转设备智能故障诊断方法日益完善，利用深度学习模型处理旋转设备监测数据已取得较好的诊断结果。然而，在数据稀缺且设备、负载和操作条件可变的实际工业应用中，训练出色的深度学习模型的性能会显着下降。针对这一问题，本文以Vision Transformer网络作为基础网络结构，提出了一种基于小样本学习的滚动轴承跨域智能故障诊断方法。主要包含三个方面，首先，为了最大限度的利用具有丰富标签样本的源域数据和少量标签样本的目标域数据，提出了一个Mixup混合模块，并将其集成到元学习机制中；其次，提出了一种新的特征解耦模块和领域判别器模块，用于提取领域无关特征和领域相关特征。这两个模块一起使我们的模型能够缩小领域差距，从而很好地泛化到目标域数据；最后，利用分类器和领域判别器组成的多任务学习机制来优化模型参数。利用滚动轴承和行星齿轮箱故障数据集对所提方法进行验证，所提方法相比于其他对比方法表现出更出色的诊断性能。