一种基于深度迁移学习的滚动轴承早期故障在线检测方法
文献类型：期刊论文
| 作者 | 毛文涛; 田思雨; 窦智; 张迪 ; 丁玲
|
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:1页码:302-314 |
| 关键词 | 早期故障检测 在线检测 迁移学习 异常检测 深度自编码网络 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c190593 |
| 英文摘要 | 近年来,深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用,但面对不停机情况下的早期故障在线检测问题,仍存在着早期故障特征表示不充分、误报警率高等不足.为解决上述问题,本文从时序异常检测的角度出发,提出了一种基于深度迁移学习的早期故障在线检测方法.首先,提出一种面向多域迁移的深度自编码网络,通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数,在自适应提取不同域数据的公共特征表示同时,提高正常状态和早期故障状态之间特征的差异性;基于该特征表示,提出一种基于时序异常模式的在线检测模型,利用离线轴承正常状态的排列熵值构建报警阈值,实现在线数据中异常序列的快速匹配,同时提高在线检测结果的可靠性.在XJTU-SY数据集上的实验结果表明,与现有代表性早期故障检测方法相比,本文方法具有更好的检测实时性和更低的误报警数. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56449]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 毛文涛,田思雨,窦智,等. 一种基于深度迁移学习的滚动轴承早期故障在线检测方法[J]. 自动化学报,2022,48(1):302-314. |
| APA | 毛文涛,田思雨,窦智,张迪,&丁玲.(2022).一种基于深度迁移学习的滚动轴承早期故障在线检测方法.自动化学报,48(1),302-314. |
| MLA | 毛文涛,et al."一种基于深度迁移学习的滚动轴承早期故障在线检测方法".自动化学报 48.1(2022):302-314. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。