%0 Journal Article
%A 徐易芸1
%A 马健1
%A 陈良1
%A 沈长青2
%A 李奇1
%A 孔林3
%T 基于相似性度量迁移学习的轴承故障诊断
%D 2022
%R 
%J 振动与冲击
%P 217-223
%V 41
%N 16
%X 滚动轴承工况多变，受负荷、转速等因素影响，故障信号的特征分布偏移会显著降低故障诊断模型的泛化能力。针对此问题，提出一种基于相似性度量迁移学习的轴承故障诊断方法。将迁移学习和相似性度量的思想结合，通过相关对齐损失计算变工况故障特征之间的相关性，最小化源域和目标域特征之间的分布差异。同时最大化输入特征与中心特征的相似性，利用目标域预测标签中包含的故障分类信息，提高故障特征聚类的准确性，来增加高相关性特征对模型的贡献度，减小非相关特征的影响。最后利用学习到的特征实现故障分类。在CWRU和自搭建实验平台上进行了对比实验，证明了所述方法能够更加准确地分类故障信号，更好解决不同工况下由特征分布偏移带来的故障诊断难点问题。<br>
关键词：滚动轴承；故障诊断；迁移学习；相似性度量；特征分布
%U https://jvs.sjtu.edu.cn/CN/abstract/article_11653.shtml