Abstract：
针对滚动轴承在新工况下无标记数据且存在噪声干扰问题，提出一种具备抗噪能力的滚动轴承故障诊断领域自适应深度残差收缩网络(DADRSN)。首先，采用深度残差收缩网络(DRSN)去除已知工况和新工况数据噪声冗余并充分提取数据特征；其次，应用迁移学习中的领域自适应(DA)方法，计算已知工况和新工况数据的局部最大均值差异(LMMD),以对齐两种工况数据之间的分布；最后，对新工况下故障样本进行分类。实验结果表明，该模型在噪声干扰、缺少标记数据、工况变化的情况下仍能保持较高的故障诊断精度。
Keyword：
Reprint Author's Address：
Email：
Source ：
组合机床与自动化加工技术
Year： 2023
Issue： 05
Volume： PageCount-页数: 6
Page： 164-168,173
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
