19、智能制造业中的无监督故障诊断方法

智能制造业中的无监督故障诊断方法

1 引言

在制造业领域，旋转机械和机床起着至关重要的作用。然而，实时的异常检测对于经济可靠的生产至关重要。许多深度学习模型虽然在故障诊断方面表现出色，但它们依赖于充足的标注样本，这在工业场景中往往难以满足。因此，无监督故障诊断方法成为解决这一问题的关键。本文将介绍两种无监督故障诊断方法：基于新型联合转移网络（NJTN）的轴承故障诊断方法和基于混合鲁棒卷积自动编码器（HRCAE）的机床异常检测方法。

2 基于新型联合转移网络（NJTN）的轴承故障诊断

2.1 问题背景

在实际工程中，获取带有丰富故障标签信息的样本非常困难，而且机械装备通常在不同的负载和转速条件下运行，导致样本分布不同。传统的深度学习模型在不同分布的样本上难以直接泛化。无监督域适应是解决这些问题的重要策略，但目前仍存在一些挑战：
- 数据获取困难 ：当前研究中，轴承的源域故障数据大多来自实验室测试台，构建高精度的测试台需要大量长期的资源投入，难以灵活满足不同工况下的故障数据需求。
- 分布对齐不足 ：现有研究通常只考虑源域和目标域之间的边缘分布对齐，而忽略了条件分布对齐，可能导致目标域中靠近类边界或远离类中心的模糊样本被错误分类。
- 负迁移问题 ：传统的无监督域对抗适应方法通常为每个源域样本分配相等的权重，可能导致负迁移。

2.2 新型联合转移网络（NJTN）

为了解决上述问题，提出了新型联合转移网络（NJTN）。该方法的创新点和贡献如下：
-