文献类型：期刊文章

作　　者：邵海东[1] 张笑阳[2] 程军圣[1] 杨宇[1]

SHAO Haidong;ZHANG Xiaoyang;CHENG Junsheng;YANG Yu(State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body,Hunan University,Changsha 410082;Xi'an Aeronautics Computing Technique Research Institute,AVIC,Xi'an 710065)

机构地区：[1]湖南大学汽车车身先进设计制造国家重点实验室,长沙410082 [2]中国航空工业集团公司西安航空计算技术研究所,西安710065

出　　处：《机械工程学报》

基　　金：国家自然科学基金(51905160,51875183);中央高校基本科研业务费专项资金(531118010335)资助项目。

年　　份：2020

卷　　号：56

期　　号：9

起止页码：84-90

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：实际工程中,含标注信息的轴承监测数据严重缺乏,这将导致其智能故障诊断模型难以有效构建。提出了一种基于提升深度迁移自动编码器的新方法用于不同机械设备间的轴承故障智能诊断。首先,采用可缩放指数型线性单元作为标准自动编码器的激活函数,提升原始振动数据的映射质量。然后,非负约束用于修正代价函数,进一步减少重构误差。其次,构建提升深度自动编码器并用充足可用的源域数据进行预训练,得到的参数作为目标模型的初始化参数。最后,目标域中仅有的一个训练样本用于目标模型的微调以适应剩余的测试样本。将所提方法用于分析不同轴承的试验振动数据,结果表明,所提方法能基于原始振动数据有效实现不同种机械设备间的迁移诊断。

关 键 词：提升深度自动编码器  轴承故障 迁移诊断  可缩放指数型线性单元  非负约束  

分 类 号：TH17]