噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (5): 166-171.

• 信号处理与故障诊断 • 上一篇    下一篇

基于样本自适应条件对抗网络的齿轮箱跨域故障诊断研究

赵敏1,范永胜2,邓艾东1,邓敏强1   

  1. ( 1. 东南大学能源与环境学院大型发电装备安全运行与智能测控国家工程研究中心,南京210096;
    2. 国家能源集团江苏电力有限公司,南京215433 )
  • 收稿日期:2023-02-14 修回日期:2023-04-28 出版日期:2024-10-18 发布日期:2024-10-10

Cross-domain Fault Diagnosis of Gearboxes Based on Sample Adaptive Conditional Adversarial Network

  • Received:2023-02-14 Revised:2023-04-28 Online:2024-10-18 Published:2024-10-10

摘要: 基于对抗训练的深度领域适应在旋转部件跨域故障诊断中应用效果良好。然而,现有研究主要致力于降低边缘分布差异而忽略对类别分布信息的挖掘,导致其在复杂场景下诊断准确性不足。针对该问题,提出一种样本自适应条件对抗网络,通过分解抽象特征和评估样本置信度挖掘类别分布特征,增强对抗训练的域适配能力,从而有效提高跨域诊断性能。通过齿轮箱故障诊断实验验证所提方法在实际应用中的有效性和优越性。

关键词: 故障诊断, 深度领域适应, 对抗训练, 条件对抗网络, 齿轮箱