来源：期刊VIP网 时间：
作者：陈录城;秦承刚;鲁效平;王超;王泽潇;明新国;邱思琦;
单位：上海交通大学机械与动力工程学院-卡奥斯新一代工业智能技术联合研究中心;大规模个性化定制系统与技术全国重点实验室;上海交通大学工业工程与管理系;
摘要：滚动轴承的健康状态直接影响机械设备的性能和安全。传统滚动轴承智能故障诊断方法存在高质量状态数据缺失、模型泛化能力不足等问题。为解决上述问题，提出一种联合分布自适应并行卷积神经网络的滚动轴承变工况故障诊断方法。首先，采用快速傅里叶变换对原始振动信号进行预处理；其次，利用并行卷积神经网络提取不同层次、不同尺度的特征，从而充分捕捉输入数据中的信息；然后，引入最大均值差异和相关对齐结合的领域自适应方法，在均值和协方差角度减小源域与目标域间的分布差异；最后，利用凯斯西储大学轴承数据集不同工况之间的多种迁移学习任务对所提方法进行实验验证，证明了该方法在不同迁移任务中的有效性和优越性。
关键词：滚动轴承;;故障诊断;;并行神经网络;;联合分布自适应
基金资助：国家自然科学基金资助项目(52175476;72371160);; 工信部船机重大专项之船用发动机高可靠性设计和验证关键技术项目;; 大规模个性化定制系统与技术全国重点实验室开放课题(H&C-MPC-2023-03-01,H&C-MPC-2023-03-01(Q));; 泰山产业领军人才工程专项资金支持项目(TSCX202306029)
