基于域适应神经网络与联合分布自适应的无监督故障诊断方法

故障诊断对于机械设备的健康管理十分重要,当前,数据驱动的故障诊断方法已成为了本领域研究热点。然而,机械设备的工作状态与条件是不断变化的,这导致故障数据分布不同,故障诊断带来了挑战。针对该问题,提出一种基于域适应神经网络与联合分布自适应的无监督故障诊断方法。首先,将不同数据分布的故障诊断数据通过信号转图像的方法进行数据预处理;然后,使用域适应神经网络生成数据分布相似的特征;最后使用联合分布自适应方法处理所生成的特征。该方法可以有效地解决工作状态与条件发生变化所带来的数据分布不同的问题。所生成的模型可以在无标签的情况下,较为准确地诊断在另一个工作状态下采样的故障数据。最后,利用本领域的经典案例———凯斯西储大学轴承数据集,对所提方法进行了测试验证,实验结果证明了该方法的可行性与有效性。