科研之友
微信
新浪微博
Facebook
分享链接
摘要
在使用传统机器学习类方法对电机滚动轴承故障进行诊断时，电机运行工况的变化以及采集信号时的噪声干扰，会出现源域训练集和目标域测试集分布不一致的问题。提出了基于一维RepVGG协同领域自适应的故障诊断方法。RepVGG具有精度高和速度快的特点，使用一维RepVGG实现对电机滚动轴承信号的特征提取；基于提取的特征，在网络顶层结构中使用集成优化目标函数来实现域自适应，并完成轴承故障诊断。基于凯斯西储大学轴承数据集，对该方法进行了实验验证。实验结果表明，在电机变工况运行时，改进方法为诊断性能优于现有其他诊断方法。
- 出版日期2023
- 单位上海交通大学
