２０２３年第４期基于深度子领域自适应的滚动轴承故障诊断张晓（重庆交通大学机电与车辆工程学院，重庆４０００７４）摘要：由于工况不同引起的数据分布差异造成滚动轴承故障诊断效果不佳，提出基于深度子领域自适应（ＤｅｅｐＳｕｂｄｏｍａｉｎＡｄａｐｔｉｏｎＮｅｔｗｏｒｋ，ＤＳＡＮ）的滚动轴承故障诊断方法。首先对滚动轴承振动信号进行连续小波变换，构造时频图来描述其故障特征。其次，将数据映射到深度神经网络中提取特征，并在特征空间中对两个领域的特征进行对齐，通过特征对齐减少两个领域间的特征差异，完成不同工况下的滚动轴承故障诊断。为了验证上述方法的有效性，在滚动轴承数据集进行了实验验证。关键词：滚动轴承；故障诊断；领域自适应；不同工况中图分类号：ＴＨ１３３．３３文献标识码：Ａ文章编号：１６７４－９５７Ｘ（２０２３）０４－００７０－０３ＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＲｏｌｌｉｎｇＢｅａｒｉｎｇＢａｓｅｄｏｎＡｄａｐｔｉｖｅＤｅｐｔｈＳｕｂｄｏｍａｉｎＺｈａｎｇＸｉａｏ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌａｎｄＶｅｈｉｃｌｅＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００７４）Ａｂｓｔｒａｃｔ：Ｄｕｅｔｏｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｄａｔａｄｉｓｔｒｉｂｕｔｉｏｎｃａｕｓｅｄｂｙｄｉｆｆｅｒｅｎｔｗｏｒｋｉｎｇｃｏｎｄｉｔｉｏｎｓ，ｔｈｅｆａｕｌｔｄｉａｇｎｏ－ｓｉｓｅｆｆｅｃｔｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇｉｓｎｏｔｇｏｏｄＲｏｌｌｉｎｇｂｅａｒｉｎｇｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆＤｅｅｐＳｕｂｄｏｍａｉｎＡｄａｐｔｉｏｎＮｅｔｗｏｒｋ（ＤＳＡＮ）．Ｆｉｒｓｔｌｙ，ｔｈｅｒｏｌｌｉｎｇｂｅａｒｉｎｇｖｉｂｒａｔｉｏｎｓｉｇｎａｌｉｓｔｒａｎｓｆｏｒｍｅｄｂｙｃｏｎｔｉｎｕｏｕｓｗａｖｅｌｅｔ，ａｎｄｔｈｅｔｉｍｅ－ｆｒｅ－ｑｕｅｎｃｙｇｒａｐｈｉｓｃｏｎｓｔｒｕｃｔｅｄｔｏｄｅｓｃｒｉｂｅｉｔｓｆａｕｌｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｄａｔａｗａｓｍａｐｐｅｄｔｏｔｈｅｄｅｅｐｎｅｕ－ｒａｌｎｅｔｗｏｒｋｔｏｅｘｔｒａｃｔｆｅａｔｕｒｅｓ，ａｎｄｔｈｅｆｅａｔｕｒｅｓｏｆｔｈｅｔｗｏｆｉｅｌｄｓｗｅｒｅａｌｉｇｎｅｄｉｎｔｈｅｆｅａｔｕｒｅｓｐａｃｅ．Ｔｈｅｆｅａｔｕｒｅｄｉｆ...
