基于相似性度量迁移学习的轴承故障诊断

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和自搭建试验平台上进行了对比试验,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。

重大突发公共事件对机电专业研究生学业影响调查研究

文章采用网络问卷调查方式,自行设计问卷并借助第三方平台对X大学机电专业研究生进行知识学习、学习环境和适应心理的调查,结果显示,重大突发公共事件影响下,不同年级的机电专业研究生会选取不同的学习内容和方式、机电专业研究生对实验设备和数据的依赖性很强、大部分机电专业研究生预期行业发展重点发生改变。