来源：期刊VIP网 时间：
作者：张文兴;张林林;刘文婧;王建国;
单位：内蒙古科技大学机械工程学院;
摘要：滚动轴承是旋转机械中最主要的部件之一。智能故障检测与诊断作为一种重要的手段，对保证滚动轴承的稳定、可靠和安全运行起着至关重要的作用。然而，由于内部和外部环境的变化，数据分布偏移在实际场景中是不可避免的，在变工况下会导致模型性能严重下降。因此建立一个能够消除相同分布假设的有效故障诊断模型仍然具有挑战性。针对这些问题提出一种基于多表示深度域自适应（MDAN）的滚动轴承故障诊断方法，首先对采集的滚动轴承振动数据进行连续小波变换（CWT），把振动信号由时域信号转换为时频信号，输入到多表示深度域适应网络（MDAN）进行特征提取，通过多表示网络来获得不同尺度信息，将源域特征与目标域特征映射到高维空间，在高维空间进行特征对齐，然后引入MKMMD进行特征距离度量和计算域损失，最后引入Adam进行网络优化，加快模型收敛。在著名的西储大学轴承数据集进行实验验证，通过多个迁移方案对模型进行评估，实验结果证明，所提方法在变工况下具有优异表现，泛化性能力更强。
关键词：故障诊断;;领域自适应;;迁移学习;;变工况
基金资助：国家自然科学基金（51865045）;; 内蒙古自治区自然科学基金项目（2020LH05025）;内蒙古自治区自然科学基金项目（2018ZD06）
