A Stacked Auto-Encoder Based Partial Adversarial Domain Adaptation Model for Intelligent Fault Diagnosis of Rotating Machines

• 摘要
• 网络模型
• • • 三级目录

摘要

故障诊断在旋转机械的预测与健康管理中具有不可或缺的作用。近年来，基于领域自适应技术的智能故障诊断方法引起了研究人员的关注。然而，一个更广泛的故障诊断应用场景——部分域自适应(pda)还没有得到很好的解决。本文首次提出了一种新的基于堆叠式自动编码器的部分对抗域自适应(spada)模型，用于解决 pda 环境下的故障诊断问题。首先设计了两个深度堆栈自动编码器，分别从训练数据(源域)和测试数据(目标域)中提取代表性特征。然后，利用基于 softmax 的加权分类器对源域和目标域的特征进行权重。同时采用另一种域鉴别器和标签预测器，利用软最大分类器实现域自适应和故障诊断。对实际数据进行了综合分析，对 spada 模型的性能进行了详细的比较，大量的实验结果表明，spada 的诊断性能优于现有的深度学习和领域自适应方法。

网络模型

三级目录

标签：适应,编码器,模型,分类器,叠加,故障诊断,spada
来源： https://blog.csdn.net/m0_47180208/article/details/120663710