CASIA OpenIR  > 学术期刊  > 自动化学报
一种基于深度迁移学习的滚动轴承早期故障在线检测方法
毛文涛; 田思雨; 窦智; 张迪; 丁玲
Source Publication自动化学报
ISSN0254-4156
2022
Volume48Issue:1Pages:302-314
Abstract近年来,深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用,但面对不停机情况下的早期故障在线检测问题,仍存在着早期故障特征表示不充分、误报警率高等不足.为解决上述问题,本文从时序异常检测的角度出发,提出了一种基于深度迁移学习的早期故障在线检测方法.首先,提出一种面向多域迁移的深度自编码网络,通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数,在自适应提取不同域数据的公共特征表示同时,提高正常状态和早期故障状态之间特征的差异性;基于该特征表示,提出一种基于时序异常模式的在线检测模型,利用离线轴承正常状态的排列熵值构建报警阈值,实现在线数据中异常序列的快速匹配,同时提高在线检测结果的可靠性.在XJTU-SY数据集上的实验结果表明,与现有代表性早期故障检测方法相比,本文方法具有更好的检测实时性和更低的误报警数.
Keyword早期故障检测 在线检测 迁移学习 异常检测 深度自编码网络
DOI10.16383/j.aas.c190593
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56449
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
毛文涛,田思雨,窦智,等. 一种基于深度迁移学习的滚动轴承早期故障在线检测方法[J]. 自动化学报,2022,48(1):302-314.
APA 毛文涛,田思雨,窦智,张迪,&丁玲.(2022).一种基于深度迁移学习的滚动轴承早期故障在线检测方法.自动化学报,48(1),302-314.
MLA 毛文涛,et al."一种基于深度迁移学习的滚动轴承早期故障在线检测方法".自动化学报 48.1(2022):302-314.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2019-0593.pdf(11658KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[毛文涛]'s Articles
[田思雨]'s Articles
[窦智]'s Articles
Baidu academic
Similar articles in Baidu academic
[毛文涛]'s Articles
[田思雨]'s Articles
[窦智]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[毛文涛]'s Articles
[田思雨]'s Articles
[窦智]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2019-0593.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.