19、工业设备智能故障诊断方法研究与实践

工业设备智能故障诊断方法研究与实践

在工业制造领域，旋转机械和机床设备的稳定运行至关重要。然而，获取足够的带标签样本进行故障诊断在实际工程中面临诸多挑战。本文将介绍两种创新的无监督故障诊断方法，分别是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。

基于NJTN的轴承故障诊断方法

在实际工程中，获取丰富故障标签信息的样本困难，且机械设备运行条件多变，导致样本分布不同，传统深度学习模型难以直接应用。因此，无监督域适应成为解决这些问题的重要策略。

现存问题

• 数据获取难 ：当前研究中，轴承源域故障数据多来自实验室试验台，构建高精度试验台需大量长期资源投入，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的边缘分布对齐，忽略条件分布对齐，可能导致目标域中靠近类边界或远离类中心的模糊样本分类错误。
• 负迁移问题 ：在进行域适应时，每个源域样本通常被赋予相同的权重，即使那些与目标域差异较大的样本也是如此，这可能导致负迁移。

NJTN方法创新点

• 利用模拟数据 ：与现有的实验数据之间的转移诊断研究不同，该方法使用具有丰富故障标签信息的模拟数据构建源域，减少了对实验室试验台的依赖，探索了数据 - 物理耦合驱动的故障诊断方式。
• 改进损失函数