第45卷第1期2024年1月仪器仪表学报ChineseJournalofScientificInstrumentVol.45No.1Jan.2024DOI:10.19650/j.cnki.cjsi.J2311570收稿日期:2023-06-19ReceivedDate:2023-06-19∗基金项目:国家自然科学基金(51975079,62073051)、重庆市教委科学技术研究项目(KJZD-M202200701)、重庆市研究生联合培养基地项目(JDLHPYJD2021007)、重庆市自然科学基金创新发展联合基金(CSTB2023NSCQ-LZX0127)、重庆市专业学位研究生教学案例库(JDALK2022007)、重庆市研究生科研创新项目(2023S0072)资助改进掩码自编码器的滚动轴承半监督故障诊断∗陈仁祥1,张晓1,张旭1,赵玲1,夏亮2(1.重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074;2.重庆智能机器人研究院重庆400714)摘要:针对滚动轴承在不同转速条件下数据分布不同以及实际工程应用中标签样本不足导致故障诊断精度低的问题,将领域适配模块融入掩码自编码器(MAE)中,提出了改进掩码自编码器(IMAE)的滚动轴承半监督故障诊断方法。首先,对滚动轴承振动信号进行连续小波变换(CWT)得到反应信号时频特征的二维时频图,然后对时频图随机掩码,利用无标签样本进行掩码自编码器预训练,获得数据中复杂的内在特征,减少对有标签样本的依赖;其次将领域适配模块引入到预训练后的编码器中,使用少量有标签源域数据对IMAE进行微调,在希尔伯特空间中利用最小化最大均值差异减小因转速不同造成的源域与目标域间数据分布差异;最后在Softmax分类层下实现滚动轴承半监督故障诊断。通过滚动轴承数据集实验验证,所提方法检测精度均达到94%以上,证明了该方法的可行性与有效性。关键词:掩码自编码器;滚动轴承;不同转速;标签样本;半监督故障诊断中图分类号:TH165+.3TH17文献标识码:A国家标准学科分类代码:510.40Improvedsemi-supervisedfaultdiagnosisofrollingbearingswithmaskautoencoderChenRenxiang1,ZhangXiao1,ZhangXu1,ZhaoLing1,XiaLiang2(1.ChongqingEngineeringLaboratoryforTransportationEngineeringApplicationRobot,ChongqingJiaotongUniversity,Chongqing400074,China;2.ChongqingRoboticsInstitute,Chongqing400714,China)Abstract:Toaddresstheproblemsofdifferentdatadistributionofrollingbearingsunderdifferentspeedconditionsandlowfaultdiagnosisaccuracycausedbyinsufficientlabelsamplesinpracticalengineeringapplications,thedomainadaptationmodulesareintegratedintomaskedautoencoders(MAE).Animprovedmaske...
