本文提出了一种新的无监督轴承故障诊断方法NJTN，通过数据-物理耦合使用仿真数据构建源域，设计了JMMD嵌入的改进损失函数实现边缘和条件分布对齐，并开发了权重分配机制抑制负迁移。实验结果显示，尽管存在仿真与实验数据的显著差异，这种方法仍有改进空间，未来将探索多源域和标签不一致情况下的故障诊断。
标题：Novel Joint Transfer Network for Unsupervised Bearing Fault Diagnosis From Simulation Domain to Experimental Domain
期刊：IEEE-ASME TRANSACTIONS ON MECHATRONICS （2022）
作者：Yiming Xiao, Haidong Shao，SongYu Han, Zhiqiang Huo，and Jiafu Wan
解决的问题：迁移诊断场景仅限于实验域，跨域边缘分布和条件分布难以同时对齐，每个源域样本在域自适应过程中被分配同等重要。
解决的方法：NJTN（一种新的从仿真域到实验域的无监督轴承故障诊断联合传输网络）
创新：
①探索数据-物理耦合驱动故障诊断方式（利用丰富故障标签信息的仿真数据构建源域，减少对试验台的依赖，满足不同工况下故障数据要求。）
②设计JMMD（嵌入联合MMD）的改进损失函数，实现无监督场景下边缘分布和条件分布同时对齐。
③基于域相似度开发了一种权重分配机制，抑制负迁移。
01 创新1的具体内容
采用集中质量法建立转子-轴承系统仿真模型来生成振动响应以构建源域
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
