-
题名基于可靠伪标签的旋转机械的跨工况开集故障诊断
- 1
-
-
作者
刘学志
王振雷
王昕
-
机构
华东理工大学能源化工过程智能制造教育部重点实验室
上海交通大学电工与电子技术中心
-
出处
《控制与决策》
北大核心
2026年第2期555-565,共11页
-
基金
国家重点研发计划项目(2022YFB3304701)
国家自然科学基金重大项目(62394345)
+1 种基金
上海市重型燃气轮机领域联合创新计划(UIC计划)
中央高校基本科研业务费专项项目(222202517006)。
-
文摘
旋转机械作为工业系统的核心部件,其故障诊断对保障设备安全运行至关重要.然而,在跨工况场景下,基于深度迁移学习的故障诊断面临故障样本收集成本高昂和数据分布存在差异两大挑战.这些挑战在目标域存在未知故障的开集迁移场景下尤为突出,为此提出一种由分层聚类引导生成可靠伪标签的域自适应(HCRPDA)方法:首先,使用源域数据监督训练特征提取器和分类器,并通过构建域混淆损失来驱动源域和目标域进行对抗学习,实现已知类别的跨域分布对齐;其次,基于域判别器输出的源域相似度和通过分类器的输出计算得到的分类熵这两个指标进行分层聚类,筛选高置信度的未知类伪标签样本,进而训练专用的未知类判别器以提升模型对未知故障的识别能力;最后,使用PU轴承数据集以及PHM2009齿轮箱数据集进行仿真验证.实验结果表明,HCRPDA相比于主流的域自适应方法具有更高的未知类识别率和已知类分类准确率,特别是面对目标域中未知类样本比例较高的场景,优势更加明显.
-
关键词
旋转机械
迁移学习
域自适应
开集故障诊断
伪标签
分层聚类
-
Keywords
rotating machinery
transfer learning
domain adaptation
open-set fault diagnosis
pseudo-label
hierarchical clustering
-
分类号
TP106
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于方差随机序列的故障诊断方法
被引量：1
- 2
-
-
作者
刘成瑞
傅惠民
-
机构
北京航空航天大学小样本技术研究中心
-
出处
《机械强度》
EI
CAS
CSCD
北大核心
2006年第2期190-195,共6页
-
基金
国防科技预研项目(413200204)资助~~
-
文摘
研究发现,方差随机序列的样本标准差能很好表征设备性能的稳定状况,由此提出一种新的故障诊断方法,该方法首先给出一种新的故障诊断特征量,然后采用Mahalanobis距离建立相应的判别函数,进而能对谱分析、时频分析等传统方法无法诊断而工程中又大量存在的一类故障模式进行准确分析和判别。
-
关键词
故障诊断
故障模式
故障特征量
样本标准差
Mahalanobis距离判别函数
设备稳定性
-
Keywords
Fault diagnosis
Failure mode
Fault characteristic quantity
Sample standard deviation
Mahalanobis dislance discriminate function
Stabilization of equipment performance
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TP106.3
[自动化与计算机技术—控制理论与控制工程]
-
