来源：期刊VIP网 时间：
作者：包从望;江伟;刘永志;邹旺;
单位：六盘水师范学院矿业与机械工程学院;
摘要：为了解决滚动轴承故障诊断过程中因样本不均衡而导致诊断模型失效的问题，提出了基于改进Mix-up的数据扩充方法，实现多源领域泛化的轴承故障诊断。首先，基于Mix-up对可见的多源领域不均衡样本进行扩充，将得到的样本与原始样本共同组成模型的训练样本。然后，以交叉熵、三元组损失、最大均值差异（MMD）作为模型的优化准则，提取轴承故障的域不变特征。最后，利用不可见的目标域样本对模型进行验证。实验结果表明：所提方法可以从不均衡的多源领域中提取域不变特征，具有较好的诊断性能。研究成果可为后续无故障样本下的轴承故障诊断奠定基础。
关键词：智能故障诊断;;不平衡样本;;领域泛化;;深度学习;;滚动轴承
基金资助：贵州省教育厅基金资助项目（黔教合KY字[2020]117）;; 六盘水市科技计划资助项目（52020-2022-PT-02,52020-2019-05-12）;; 六盘水师范学院基金资助项目（LPSSYylzy2205）
