现有的无监督域自适应故障诊断方法大多只基于单一域信号实现,提取的故障信息不够全面。只注重实现源域和目标域特征的边缘分布对齐,忽略了样本的条件分布差异,限制了诊断精度的提升。为克服以上问题,提出一种基于联合分布偏移差异(joint distribution offset difference,JDOD)的跨域滚动轴承故障诊断方法。使用两个结构一致的卷积神经网络(CNN)分别提取信号的时域与频域特征,获取更完整的故障信息。提出联合分布偏移差异,实现不同域特征的边缘分布对齐和条件分布对齐。在两个多工况轴承数据集上与多种先进方法展开对比实验,取得了99%以上的平均诊断精度。实验结果表明联合分布偏移差异有效提升了跨域故障精度。
暂无评论