MAJATNet:一个轻量级的多尺度注意力联合自适应对抗转移网络,用于承载无监督的跨域故障诊断
Lin Song1,2, Yanlin Zhao3, Junjie He1
1School of Automobile and Transportation, Chengdu Technological University, Yibin 644012, China.
Entropy (Basel, Switzerland)
|October 28, 2025
概括
本研究介绍了MAJATNet,这是一个用于在不同操作条件下准确诊断滚动轴承故障的新型网络. 它有效地解决了振动数据的差异,在跨领域场景中显著提高了诊断准确性.
科学领域:
- 机械工程 机械工程
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 滚动轴承是机械系统中的关键部件.
- 操作条件之间的振动数据差异阻碍了准确的故障诊断.
- 现有的方法在跨领域的故障识别方面遇到了困难.
研究的目的:
- 开发一个新型网络,用于在滚动轴承中准确的跨领域故障诊断.
- 为了应对轴承监控中振动数据差异的挑战.
- 提高轴承故障检测系统的稳定性和准确性.
主要方法:
- 一个轻量级的基于注意力的多尺度联合自适应对抗转移网络 (MAJATNet) 被开发出来.
- 该网络集成了一个特征提取模块与一个新的联合适应性 (IJA) 损失功能.
- IJA损失结合了联合最大平均差异 (JMMD) 和域对抗性学习,以最大限度地减少域特定的特征.
主要成果:
- MAJATNet在轴承的跨领域故障诊断准确度方面取得了显著的改进.
- 拟议的方法有效地处理不同操作条件之间的振动数据差异.
- 实验验证证证实了网络在识别跨域轴承故障方面的卓越性能.
结论:
- MAJATNet提供了一个强大的解决方案,用于在各种操作环境中准确的滚动轴承故障诊断.
- 开发的网络有效地减轻了跨领域数据变异带来的挑战.
- 这项研究推动了机械设备智能故障诊断领域的发展.
