基于深度子领域自适应的滚动轴承故障诊断

摘要

由于工况不同引起的数据分布差异造成滚动轴承故障诊断效果不佳,提出基于深度子领域自适应(Deep Subdomain Adaption Network, DSAN)的滚动轴承故障诊断方法。首先对滚动轴承振动信号进行连续小波变换,构造时频图来描述其故障特征。其次,将数据映射到深度神经网络中提取特征,并在特征空间中对两个领域的特征进行对齐,通过特征对齐减少两个领域间的特征差异,完成不同工况下的滚动轴承故障诊断。为了验证上述方法的有效性,在滚动轴承数据集进行了实验验证。