• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neurocomputing >Central moment discrepancy based domain adaptation for intelligent bearing fault diagnosis
【24h】

Central moment discrepancy based domain adaptation for intelligent bearing fault diagnosis

机译：基于智能轴承故障诊断的中心片刻基于域改编

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In recent years, deep learning based bearing fault diagnosis is developing rapidly due to the increasing amount of industrial data. However, two major issues limit the application for deep learning: a) labeled data is difficult to obtain, and a lot of unlabeled data is more common in actual industrial production; b) the distribution of training and testing dataset will be different under different production environments or operations, which makes it difficult to generalize the trained model to another working condition. To solve these issues, we propose a domain adaptation convolutional neural network to diagnostic fault using Central Moment Discrepancy (CMD). In the proposed method, a convolutional neural network is applied to extract features from two differently distributed raw vibration signals, and the distribution discrepancy is reduced using CMD criterion. The proposed method can extract features with similar distribution from two different domains and make fault diagnosis for unlabeled data. The proposed method is proved to be effective in using CWRU dataset and Paderborn dataset under different working conditions. (C) 2020 Elsevier B.V. All rights reserved.
机译：近年来，由于越来越多的工业数据，基于深度学习的轴承故障诊断正在迅速发展。但是，两个主要问题限制了深度学习的申请：a）标记的数据难以获得，并且许多未标记的数据在实际工业生产中更为常见; b）在不同的生产环境或操作下，培训和测试数据集的分发将不同，这使得难以将训练模型概括为另一个工作条件。为了解决这些问题，我们向域改编卷积神经网络提出了使用中心点差异（CMD）的诊断故障。在该方法中，应用卷积神经网络以从两个不同分布的原始振动信号提取特征，并且使用CMD标准减少了分布差异。该方法可以从两个不同的域中提取具有类似分布的特征，并对未标记数据进行故障诊断。在不同的工作条件下，证明所提出的方法在使用CWRU数据集和Paderborn数据集中有效。 （c）2020 Elsevier B.v.保留所有权利。

著录项

  • 来源
    《Neurocomputing》 |2021年第14期|12-24|共13页
  • 作者

    Li Xudong; Hu Yang; Zheng Jianhua; Li Mingtao; Ma Wenzhen;

  • 作者单位

    Natl Space Sci Ctr Beijing Peoples R China|Univ Chinese Acad Sci Beijing Peoples R China;

    Sci & Technol Complex Aviat Syst Simulat Lab 9236 Mailbox Beijing Peoples R China;

    Natl Space Sci Ctr Beijing Peoples R China|Univ Chinese Acad Sci Beijing Peoples R China;

    Natl Space Sci Ctr Beijing Peoples R China|Univ Chinese Acad Sci Beijing Peoples R China;

    Natl Space Sci Ctr Beijing Peoples R China|Univ Chinese Acad Sci Beijing Peoples R China;

  • 收录信息 美国《科学引文索引》(SCI);美国《工程索引》(EI);
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

    Fault diagnosis; Domain adaptation; Central moment discrepancy; Deep learning;

    机译：故障诊断;域适应;中心片刻差异;深度学习;

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号