机床与液压

作者：李灿，罗军，赵树标，钟志贤，王广斌

单位：桂林理工大学机械与控制工程学院;岭南师范学院机电工程学院；深圳市政集团有限公司；桂林理工大学机械与控制工程学院;岭南师范学院机电工程学院；桂林理工大学机械与控制工程学院；桂林理工大学机械与控制工程学院;岭南师范学院机电工程学院

关键词：轴承故障诊断;分层多元域适应;散度矩阵;分布对齐

基金：国家重点研发计划项目(2023YFB3406100)；广东省基础与应用基础研究基金海上风电联合基金项目（2022A1515240043）；广东省自然科学基金项目（2023A1515012698）

针对现有迁移学习算法在滚动轴承故障诊断中存在的同类别以及不同类别数据分布差异、域偏移与域内重叠导致故障识别率低的问题，提出一种基于分层多元域适应的滚动轴承故障诊断方法。该方法通过分层样本处理与多元技术集成，充分利用同类别之间内部亲和力，同时减少不同类别之间分布差异，有效减少域偏移与域内重叠现象，从而提高变工况轴承故障诊断的准确率。采用有标签的源域数据训练3种不同的基础分类器，通过多数投票技术将目标域样本分为候选域和残差域，得到候选域的伪标签；构建源域和候选域的总体散度矩阵，得到散度对齐后的源域样本数据，针对域内类别的重叠现象，基于分布适配加权条件分布，进一步异化同领域内不同类别的空间分布，得到转换矩阵；最后使用转换后的源域和候选域标注残差域，得到完整的目标域标签。分别在CWRU和自建的轴承数据集上进行故障诊断实验。结果表明：所提方法对多故障类型多故障尺寸、复合故障均具有较好的识别能力，且当标签样本稀少时，模型也具有优秀的诊断效果。

来源：2025年第8期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第8期