TY -的A2 -夏,分盟- Yu,肖盟——夏,Bing AU -杨,舒欣AU -阴,Hongshen AU -王,原来亚盟——刘,晓文PY - 2022 DA - 2022/05/18 TI -深Domain-Adversarial转移滚动轴承故障诊断方法基于集成经验模态分解SP - 8959185六世- 2022 AB -近年来,深上优于旋转机械设备故障诊断方法已经引起了极大关注。然而,因为数据特性分布呈现不同的应用程序在不同的工作条件,深度学习模型不能提供令人满意的性能故障预测在这样的场景。为了解决这个问题,本文提出了一个域adversarial-based EMBRNDNMD滚动轴承故障转移的诊断模型。首先,一个EEMD-based时频特性图(EEMD-TFFG)施工方法,提出了和非线性的非平稳振动信号的时频信息提取;第二,多分支ResNet (MBRN)结构设计,用于提取深度特性代表从EEMD-TFFG轴承状态;最后,解决模型领域适应问题转移在不同工作条件下,敌对的网络模块和MK-MMD分布差异评价方法介绍了优化MBRN,以便减少概率分布差异的深层特征源域和目标域,并改善EMBRNDNMD在国家目标领域的诊断的准确性。实验的结果在两个轴承故障测试平台证明EMBRNDNMD能保持平均精度达到97%以上故障转移诊断任务,这方法还具有较高的稳定性和较强环境适应能力。SN - 1687 - 725 - 2022/8959185 / 10.1155 x你——https://doi.org/10.1155/2022/8959185——摩根富林明——《传感器PB - Hindawi KW - ER