正交约束域适应的跨工况滚动轴承剩余使用寿命预测方法

针对跨工况轴承剩余使用寿命(RUL)预测模型的决策边界不明显、特征可辨识性低的问题,该文提出一种正交约束的最大分类器差异方法(MCD_OC)。首先,将采集的轴承原始振动信号进行快速傅里叶变换,得到振动信号的频域信号作为模型的输入;然后,通过卷积神经网络(CNN)和门控循环神经网络(GRU)提取轴承信号的深层时空特征,利用最大分类器差异将源域和目标域特征对齐,并对目标域轴承深层特征进行正交约束,增大无标签目标域样本特征之间的可辨识性;最后,基于轴承寿命数据集开展了跨工况轴承寿命预测对比实验,对该文所提方法进行评估,并在多组实验中取得最优结果。

小样本下时序注意力边界增强原型网络的齿轮箱故障诊断方法

针对小样本条件下原型网络在提取特征过程中会丢失振动数据的时序特征,且未修正样本在度量空间中的分布导致模型精度低的问题,提出一种时序注意力边界增强原型网络的齿轮箱故障诊断方法。首先,通过构建时间序列注意力模块,建立通道间的时序特征依赖,获得通道时序融合特征;然后,在计算类原型之后,增加邻边界损失以修正度量空间中的故障特征类内和类间分布,明确类原型的表征边界。最后,通过计算测试样本与类原型的欧氏距离,输出故障诊断结果。实验表明,在小样本条件下本文所提方法相比其他方法具有更高的故障诊断精度。

突发流量自适应的6TiSCH网络分布式PID调度

工业物联网络6TiSCH通过对时隙跳频模式和IPv6协议的引入,在支持海量节点接入、确定性可靠传输以及低功耗运行方面优势明显。虽然6TiSCH操作子层的定义为用户自定义调度策略提供了规范化的调度执行过程,但在实际应用中仍面临不同应用场景的上层调度函数(即决策实体)个性化设计的问题。本文将控制理论引入确定性工业无线网络的资源调度应用中,将分布式节点间通信资源调控抽象为闭环控制问题,结合经典比例积分微分(proportional-integral-derivative,PID)控制算法,阐述基于PID控制理念的6TiSCH网络资源调度原理,设计面向突发流量场景的6TiSCH网络分布式PID调度算法,构建突发流量友好的上层调度函数。基于OpenMote-B的6TiSCH网络平台实验表明,所提方法支持流量需求动态变化的节点间通信资源的自适应调度,尤其对多种类型突发流量可以快速响应。

多小波系数增强动态聚合联邦深度网络的多工况故障诊断

针对分布式场景下单节点样本有限、多节点间工况分布不平衡等导致的深度学习故障诊断精度低的问题,提出一种多小波系数增强动态聚合联邦深度网络用于分布式小样本下的多工况机械故障诊断。提出多小波系数增强动态聚合联邦深度网络的诊断框架,单终端节点从本地样本中提取小波系数特征,提出多小波系数深度网络融合的特征增强方法,局部模型从多样性小波系数集合中提取更具判别性故障特征;聚合节点通过对多终端节点局部模型的聚合以构建全局联邦深度网络模型,并用于多工况故障诊断;为降低多节点间数据非独立同分布的影响,提出平衡模型贡献度的联邦动态加权聚合算法。轴承振动数据分析结果表明,所提方法能在分布式小样本条件下实现高精度的多工况故障诊断。

多源域子域自适应的滚动轴承剩余寿命预测方法

针对单一源域信息有限、域自适应对齐粒度不足导致滚动轴承剩余寿命(remain useful life,RUL)预测精度低的问题,提出了一种多源域子域自适应(multi-source subdomain adaption network,MS_SAN)的滚动轴承剩余寿命预测方法。首先,将采集的原始振动信号进行快速傅里叶变换得到频域信号作为模型的输入。其次,利用一维卷积将多个源域与目标域数据映射到一个公共的特征空间,采用局部最大均值差异将每个源域与目标域的退化阶段在独立的特征空间进行领域自适应,缩小多个源域与目标域之间的分布差异。最后,通过综合各领域RUL预测模块的输出得到最终轴承剩余寿命预测结果。在PHM2012数据集上的测试结果表明该方法的预测准确率高于对比方法,能够对滚动轴承剩余寿命进行有效的预测。