TY -的A2 -沈,长庆AU - Yu,肖盟——陈、魏盟——吴,Chuanlong AU -叮,Enjie AU -田,渊源AU -左,Haiwei盟——咚,范PY - 2021 DA - 2021/01/30 TI -滚动轴承故障诊断基于域适应和首选特征选择变量的工作条件下SP - 8843124六世- 2021 AB -在现实工业场景中,使用传统的机器学习技术,数据驱动的诊断模型有一个限制,很难达到理想的故障诊断性能,原因是训练和测试数据集分布被认为具有相同的特性。为了解决这个问题,一种新型轴承故障诊断框架提出了基于域的适应和首选的特征选择,在模型训练的标签收集的数据从一个工作条件可用于诊断一个新的但类似目标收集的数据从其他工作条件。在这个框架中,一种改进的领域适应方法,传输成分分析与保护当地流形结构(TCAPLMS),提出了减少差异在不同域之间的数据分布的数据集,同时,利用标签信息的特征数据集和当地特性数据的流形结构要考虑进去。此外,首选故障特征选择的敏感性和特征相关性(PSFFC)是嵌入到这个框架选择特性更有利于故障模式识别和减少冗余的特性。最后,振动数据集来自两个测试平台用于实验分析。实验结果验证,该方法可以明显提高诊断精度,对实际工业场景具有显著的潜在好处。SN - 1070 - 9622你——https://doi.org/10.1155/2021/8843124 - 10.1155 / 2021/8843124摩根富林明冲击和振动PB - Hindawi KW - ER