基于流形特征域适配的滚动轴承故障诊断

针对变工况下存在两域特征分布复杂,数据在原始空间进行分布对齐时,特征扭曲和发散难以消除等问题,提出一种基于流形特征域适配(manifold feature domain adaptation, MFDA)的滚动轴承故障诊断方法。该方法通过无监督的方式生成一个与目标域具有相似分布的中间域,构建与源域、中间域和目标域相关的公共子空间,并利用局部生成差异度量保留数据在子空间中的流形局部几何结构,以避免数据对齐时出现扭曲和发散;同时利用最大均值差异度量对齐中间域和目标域,以最小化两域间的分布差异,保证数据间局部与全局结构的相关性。最后,利用学习到的特征,以最小二乘法实现滚动轴承的跨域故障识别。在三组滚动轴承数据集上进行试验验证,与其他智能识别算法相比,该方法能有效避免特征扭曲和发散,且具有优良的泛化性能。