国家材料腐蚀与防护科学数据中心
National Materials Corrosion and Protection Data Center
中文 | Eng 数据审核 登录 反馈
名称 : 深度部分迁移学习网络:一种在相关机器间选择性转移诊断知识的方法
发表日期 : 2021-01-03
摘要 :

深度迁移学习在机器智能故障诊断中的应用通常假设域之间的对称性:1)来自目标机器的样本在所有健康状态中是平衡的,以及2)目标机器所需的诊断知识与源机器一致。然而,在现实中,这种假设是站不住脚的,因为机器在大部分时间里运行正常,只有偶尔的故障。因此,从目标机器收集的监控数据包含大量健康样本,但有少量故障样本,并且源机器中经历的一些健康状态可能永远不会在目标机器中发生。因此,如果来自源机器的具有不同健康状态的足够的标记数据可用,则在存在域不对称的情况下,只有部分诊断知识可以被转移到目标机器。为了有选择地在非对称域间传递诊断知识,我们提出了一种对抗性的网络结构,称为深度部分传递学习网络(DPTL网)。DPTL网络使用一个域鉴别器来自动学习域不对称因子,通过该因子对源机器样本进行加权,以在基于最大均值差异的分布自适应中阻止不相关的知识。在两个案例研究中展示了DPTL网络的性能,在这两个案例研究中,诊断知识在行星齿轮箱的不同工作条件之间以及在不同但相关的轴承之间传递。结果表明,DPTL网络比其他迁移学习方法获得了更好的诊断性能,这是因为它在存在域不对称的情况下具有迁移能力。

网址 : 10.1016/j.ymssp.2021.107618
领域 : 机器人技术
出版公司 : ELSEVIER
出版国家 : CN
附件下载
重点项目名称 : 工业机器人智能故障诊断及健康评估系统
项目所属数据集 : 工业机器人关键部件与整机故障特征数据集

关于国家科技资源服务平台

国家科技基础条件平台中心是科技部直属事业单位,致力于推动科技资源优化配置,实现开放共享,其主要职责是:承担国家科技基础条件平台建设项目的过程管理和基础性工作;承担国家科技基础条件平台建设发展战略、规范标准、管理方式、运行状况和问题的研究,以及国际合作与宣传、培训等工作;承担科技基础条件门户系统的建设与运行管理工作;参与对在建和已建国家科技基础条件平台项目的考核评估和运行监督工作。

国家科技资源服务平台相关网站


国家材料腐蚀与防护科学数据中心

国家高能物理科学数据中心

国家基因组科学数据中心

国家微生物科学数据中心

国家空间科学数据中心

国家天文科学数据中心

国家对地观测科学数据中心

国家极地科学数据中心

国家青藏高原科学数据中心

国家生态科学数据中心

国家冰川冻土沙漠科学数据中心

国家计量科学数据中心

国家地球系统科学数据中心

国家人口健康科学数据中心

国家基础学科公共科学数据中心

国家农业科学数据中心

国家林业和草原科学数据中心

国家气象科学数据中心

国家地震科学数据中心

国家海洋科学数据中心