【摘 要】
：
旋转机械作为最常见的传动装置,在机械设备中起着主要的动力传输作用,开展旋转机械故障诊断研究,对于保障机械设备的安全平稳运行、防止因机械故障导致的重大经济损失和安全事故有着重要的意义。当前,深度学习凭借其强大的特征提取和非线性映射拟合能力,已经被广泛应用于旋转机械智能故障诊断中。但是,深度学习模型强大的故障诊断能力依赖于大量与测试数据独立同分布的标签训练数据。在旋转机械运行过程中,设备故障的产生和发
【基金项目】
：
国家重点研发计划课题:“大数据挖掘与知识发现的重大装备服役性能智能预测方法”（项目编号:2018YFB1702402,执行期限:2019.06-2023.05）； 国家自然科学基金面上项目:“基于深度迁移学习的机械系统智能诊断方法研究”（项目编号:51875208,执行期限:2019.01-2022.12）； 国家自然科学基金面上
论文部分内容阅读
旋转机械作为最常见的传动装置,在机械设备中起着主要的动力传输作用,开展旋转机械故障诊断研究,对于保障机械设备的安全平稳运行、防止因机械故障导致的重大经济损失和安全事故有着重要的意义。当前,深度学习凭借其强大的特征提取和非线性映射拟合能力,已经被广泛应用于旋转机械智能故障诊断中。但是,深度学习模型强大的故障诊断能力依赖于大量与测试数据独立同分布的标签训练数据。在旋转机械运行过程中,设备故障的产生和发现具有一定的随机性,难以采集到满足深度学习诊断模型训练需求的完备标签故障数据。针对深度学习诊断模型训练时面临的标签数据匮乏问题,以深度迁移学习为核心,从目标域数据的有无、标签空间关系的同构/异构两个维度构建四种知识迁移故障诊断场景,研究基于多源域知识迁移的旋转机械智能故障诊断方法。研究工作主要包括:1)为提高迁移诊断模型的性能,提出动态分布适配迁移网络用于无监督知识迁移故障诊断。同时考虑边缘分布、条件分布及其对域间分布差异贡献率的动态变化,提出实例加权最大均值差异评估域间分布差异,基于各分布比重动态计算各分布的贡献率,并在计算条件分布差异时考虑目标域样本伪标签置信度的影响;最后,结合实例加权最大均值差异和卷积神经网络提出的动态分布适配迁移网络。经轴承故障诊断实验,验证了动态分布适配框架相对于边缘分布适配、联合分布适配的优越性,以及所提实例加权最大均值差异的有效性。2)针对半监督工况泛化故障诊断问题,提出深度半监督域泛化网络。在目标工况无可用故障样本时,研究借助标签源域数据集和无标签源域数据集构建工况泛化故障诊断模型的方法,提出深度半监督域泛化网络,解决半监督工况泛化故障诊断问题。通过基于WGAN-GP的对抗训练引导特征提取器提取工况无关的通用故障特征,从标签源域和无标签源域中学习共性故障诊断知识,并迁移到目标工况故障诊断任务中;并采用伪标签学习,借助无标签样本进一步提升诊断模型的性能。工况泛化故障诊断实验验证了深度半监督域泛化网络的有效性。3)面向标签空间异构场景,针对多源域通用知识迁移故障诊断问题,提出了协同适配网络。实际应用中,难以在同一工况下采集到完备的故障数据集,而通常目标工况仅有未标注数据,其故障标签空间信息也无法获取,标签空间异构现象时有发生。协同适配网络结合分类不确定性度量和相似性度量提出样本加权方法,使各源域与目标域共享类别样本在故障知识迁移中获取更大的训练权值,减小私有类别样本的干扰,从多个与目标域标签空间异构的源域中学习共性故障诊断知识,拓展模型可诊断的故障类别;同时,采用对抗学习训练分类器,使分类器能有效识别目标域中的未知故障,避免将其误诊为已知故障。在面向标签空间异构的多源域通用知识迁移故障诊断实验中,验证了协同适配网络的有效性。4)针对标签空间异构的多源域工况泛化故障诊断问题,提出联合泛化故障诊断网络。旋转机械故障往往是在不同工况下发生的,标签空间异构现象普遍存在,需通过拓展源域数量的方式增加工况泛化故障诊断模型可诊断的故障类别。联合泛化故障诊断网络采用基于最大均值差异MMD和条件分布适配的特征迁移方法,使全局特征提取器从标签空间异构的多个源域中学习相应共享类别的通用故障诊断知识;并采用场景式训练方法提高工况泛化故障诊断模型的泛化性能,解决了源域标签空间异构场景下工况泛化故障诊断模型的构建问题。实验证明,在源域标签空间异构的场景下,联合泛化故障诊断网络可以有效解决工况泛化故障诊断问题。
其他文献
在基于碳-碳及碳-氮三键单体的聚合反应中,炔基单体的硫氢化聚合与胺氢化聚合作为高效便捷的合成反应,常用于制备主链含杂原子的聚合物。其中,吸电子基团取代炔基氢原子的“酯基活化炔和羰基活化炔”分别成为了制备不饱和杂原子聚合物的重要反应单体。然而,目前基于炔基的聚合反应大多采用的催化剂含过渡金属,制得的产物中存在金属残留难以去除的问题。在合成化学中,炔与羟基化合物的烷氧化反应因其合成方法简便且效率高,是
多路径传输控制协议（MPTCP）允许传输控制协议（TCP）使用多个传输路径来最大化信道资源使用。MPTCP数据包调度器通过调度算法对各个路径的状态进行评估,根据不同的状态进行数据包调度。然而,随着网络环境变得越来越复杂,以及上层应用对网络传输的服务质量需求越来越高,传统的调度算法已无法适应当前的网络环境。因此,对MPTCP调度算法进行研究有助于提高MPTCP的传输效率和对网络环境的适应。本文利用深
随着移动互联网和5G通信技术的高速发展,移动边缘计算中计算密集且时延敏感型任务的计算卸载问题受到了学术界的广泛关注。本文将分别针对移动边缘计算中的多边缘服务器覆盖场景以及移动边缘计算-设备对设备（MEC-D2D）协助计算场景,结合人工蜂群算法、二分法、凸优化理论以及贪心算法,对场景中的任务卸载时延优化策略进行研究。主要工作包括:1、在多边缘服务器覆盖场景下,提出一种考虑公平性的任务卸载与资源分配算
自H.Staundinger提出大分子的概念以来,高分子材料迅速发展,对人类生活水平的提高和社会的发展产生了极大的推动作用,但是如何实现对大分子的快速精准合成并利用超分子工程调控其结构从而得到所需的具有特种性能的材料仍是很大的挑战。巨型分子是一类具有精确化学结构的大分子,其基本合成模块为纳米粒子分子,例如富勒烯、多面体寡聚倍半硅氧烷（POSS）和金属杂多酸（POM）等。纳米粒子分子具有精确的修饰位
受益于卓越的灵活性和便携性,低空无人机视觉广泛应用于能源、基建、农业、商业、公共安全等领域,低空无人机视觉目标检测已成为当下的研究热点。相比通用目标检测数据,低空无人机视觉数据小目标占比更多,平均分辨率更低,相对尺度更小,小目标检测是低空无人机视觉目标检测的重点和难点。尽管深度学习方法在通用目标检测领域已获得巨大的成功,但在检测低空无人机视觉小目标时,现有方法存在多方面不足:1)数据预处理:现有图
宏观是微观的表象,宏观性质由微观结构决定。在有机半导体非晶薄膜中,分子微观结构是决定有机光电材料和器件性能的关键参数。当前有机半导体已广泛应用,进一步提升性能需要发展从分子到介观尺度的表征方法,拉曼光谱是其中探测分子微观结构的简单有效的工具,具有以下特点:（1）拉曼光谱源于分子极化率的改变,因此特别适用于环境-极化率敏感的有机半导体（π-电子离域体系）;（2）拉曼散射具有偏振依赖性,因此提供了一种
电子商务、物联网和大数据产业方兴未艾,云计算正发挥着越来越重要的作用。在云计算环境中,如何为用户合理分配资源是一个重要的研究内容。同时,云计算迅猛发展促使云数据中心的数量和规模不断扩大,也增加了数据中心的管理难度。能源和气候问题日益受到人们关注,解决云数据中心突出的高能耗问题迫在眉睫。任务调度技术是为用户合理分配资源以及降低数据中心能耗的有效方法。一方面,它通过将任务调度到合适的位置,可以很好地为
随着互联网技术的快速发展以及网络带宽的迅速提升,网络协议电视（IPTV）相比于传统电视能够提供更多的电视直播频道以及其他多样化的内容服务,因此在家庭用户中变得更受欢迎。然而IPTV用户也不得不面临着信息过载的问题,他们必须花费更多的时间去寻找满足其兴趣的电视直播频道。电子节目指南（EPG）仍然是目前IPTV服务商提供给用户帮助其选择频道的常见辅助工具,但是EPG只在分层菜单中提供一个包含所有频道节
在中国金融市场不断深化发展的现实背景下,金融市场也随着机构资金的大量涌入而呈现出蓬勃发展的态势。而农产品期货市场作为金融市场中的重要组成部分,其在近些年的发展态势也备受瞩目。中国农产品期货市场作为期货市场上的新生力量,开始在期货市场上崭露头角,中国的部分农产品期货品种的合约交易量已达到世界领先水平。而目前,中国的农业政策也正步入依靠农产品期货市场来调控农业风险的转型阶段。基于农产品期货市场的价格发
低秩矩阵优化问题在统计、控制与系统识别、机器学习、信号与图像处理、组合优化、金融、量子计算等诸多领域具有广泛而重要的应用.本论文基于秩函数的因子变分刻画,提出了低秩矩阵优化的列l2,0正则因子模型,并研究了求解这类非凸非光滑优化问题的有效算法,以此来丰富低秩矩阵优化的计算方法.论文首先通过研究列l2,0正则因子模型的MPEC形式的全局精确罚,导出一族等价的DC正则代理;然后研究了DC正则代理模型、