来源：期刊VIP网 时间：
作者：崔朝阳;杨绍普;顾晓辉;申永军;
单位：石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室;石家庄铁道大学河北省交通工程结构力学行为演变与控制重点实验室;
摘要：数据驱动下的故障诊断模型需要大量有标记的数据训练，并要求测试数据和训练数据满足独立同分布假设。针对上述问题，提出一种基于多层联合分布自适应的无监督模型用于高速列车轴箱轴承在不同运行工况下的智能诊断。该模型采用一维卷积神经网络进行故障特征的深度提取，基于多层联合最大均值差异进行跨域自适应，同时减小源域和目标域数据在高维希尔伯特特征空间上的边缘分布和条件分布差异。试验结果表明，该模型可有效用于跨工况下的轴箱轴承迁移诊断，相较CORAL、DDC、DAN等迁移方法，具有明显的优势。
关键词：故障诊断;;深度学习;;迁移学习;;联合分布自适应
基金资助：国家自然科学基金(12032017,U1934201,12372056);; 中国国家铁路集团有限公司科技研究开发计划(N2021J032);; 河北省高等学校科学技术研究项目(BJ2021039)
