来源：期刊VIP网 时间：
作者：邢海波;李杰;
单位：中国大唐集团科学技术研究总院有限公司华东电力试验研究院;
摘要：齿轮箱跨域故障诊断是设备健康管理与维护领域的研究热点。针对该问题，提出了一种相关性保持机制(CPM)用于增强深度域自适应(DDA)模型的跨域诊断能力，其利用同类样本的关联性引导特征分布对齐，从而提高跨域诊断准确性。首先，受随机近邻嵌入算法启发，CPM基于高斯条件概率密度函数衡量数据关联性，并基于相对熵构建相关性保持的正则化项；然后，将CPM及DDA模块嵌入深度神经网络的训练过程，并通过梯度训练实现特征分布对齐。不同工况下的齿轮箱跨域故障诊断实验表明文中所提方法的平均准确率能达到90.4%;消融性分析验证了所提方法中各正则化项对域自适应的有效性；参数敏感性分析表明该方法对超参数设置弱敏感。
关键词：跨域故障诊断;;域自适应;;深度神经网络;;特征迁移;;相关性保持;;齿轮箱
基金资助：中国博士后科学基金第74批面上资助(2023M740598)
