基于区分性联合概率分布的域适应故障诊断

针对多工况条件下的故障诊断方法因建模数据和待测数据不满足独立同分布假设,导致模型性能恶化这一问题,提出了一种基于区分性联合概率分布差异的域适应故障诊断建模方法。以一个结构风险最小化域不变分类器作为故障诊断框架。在框架上施加基于区分性联合概率分布差异的域适应项,将建模数据和待测数据投影到公共特征空间中,对齐跨域同类别样本分布的同时,最大化跨域不同类别样本间分布差异;并且利用流形正则化保持数据的局部几何结构。在多工况条件下的凯斯西储大学(CWRU)和帕德伯恩大学(PU)轴承故障诊断数据集上进行试验。试验结果表明,该方法能有效提高故障诊断模型预测精度和泛化性,在多工况故障诊断任务中的表现良好。