机械工业论文_面向轴承智能诊断的多领域深度对-轴承

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

机械工业论文_面向轴承智能诊断的多领域深度对

作者:

关键词:

摘要：

文章摘要:针对不同工况下轴承监测数据分布差异性导致的诊断精度下降问题，基于深度学习与迁移学习，提出一种多领域深度对抗迁移网络，用于变工况下轴承的智能诊断。将不同工况下的样本集视作属于不同的领域，在特征提取时利用深度残差网络将轴承源域的训练数据与目标域的测试数据映射到高维特征空间，提取监测数据高层抽象的特征表示；设计多领域对抗模块，以支持多故障模式的轴承样本在不同领域对抗模块上进行对抗迁移训练，保障源域与目标域数据在特征空间中的分布有效对齐；在利用源域数据训练故障分类器时引入标签平滑约束，增强故障识别的泛化能力，将源域故障诊断知识迁移到目标域数据的故障信息识别，实现变工况下的轴承智能诊断。利用变工况下的齿轮箱轴承故障数据集与电机轴承数据集对提出方法进行验证，结果表明：相比其他方法，提出的新方法考虑了轴承监测数据的多故障模式结构，更好地提取了领域不变特征，提升了变工况下轴承故障的识别精度。

文章关键词:

论文作者:贾峰李世豪沈建军关海宁

论文分类号:TH133.3;TP18

文章来源：《轴承》网址: http://www.zczzs.cn/qikandaodu/2022/0523/743.html