基于多模式仿真数据协同迁移的轴承故障辨识

针对目前迁移诊断算法对训练样本规模与质量的依赖性,以及在特殊工况环境中进行轴承故障数据采集与标注的困难性问题,提出基于多模式仿真数据协同迁移的轴承故障诊断方法。首先,采用实际工况参数嵌入的轴承故障动力学模型生成各类故障模拟数据,解决实际故障样本不足与标签缺失问题。然后,根据在仿真数据可迁移模式分析基础上建立多个子源域,引入几何统计联合对齐法对各子源域进行无监督迭代迁移,克服了单一模式迁移信息不足与跨域特征差异度过大引起的负迁移问题。最后,采用优化模糊积分决策融合方法对迁移迭代中的多模式特征伪标签进行协同分配,逐步提高目标域标签的可信度与迁移模型的域适应能力。试验结果表明,该文所提方法以故障仿真数据为驱动,无需实测标签数据的引导迁移,就可实现轴承各类故障的准确辨识。该方法对工况环境变化及目标域样本大小具有较好鲁棒性,在非完备数据支撑的高端轴承故障诊断领域具有较好应用前景。