来源：期刊VIP网 时间：
作者：叶成帆;战洪飞;林颖俊;余军合;王瑞;
单位：宁波大学机械工程与力学学院;中银(宁波)电池有限公司;
摘要：现有的齿轮箱多源迁移诊断模型在不同迁移任务中的泛化能力有限，同时忽略了目标域和每个源域之间的特征分布差异对模型的影响。为了解决上述问题，提出了一种多源动态加权和改进域对抗网络的故障诊断方法。首先，通过改进一维卷积神经网络提取所有样本的高维特征；然后，构建混合核函数作为最大度量差异中的核函数，并设置具有可变参数的映射函数作为核函数权重，自适应度量域间差异；最后利用目标域和每个源域相应的度量差异和域对抗损失作为联合权重赋予域对抗策略。通过不同轴速下的齿轮箱数据集验证了该方法的泛化能力和有效性，为基于大数据的故障诊断的研究及应用提供参考。
关键词：故障诊断;;多源迁移学习;;跨工况;;多源动态加权;;改进域对抗网络
基金资助：国家自然科学基金资助项目(71671097);; 国家重点研发计划项目(2019YFB1707101)
