基于领域自适应齿轮箱迁移诊断研究开题设计.pptxVIP

基于领域自适应的齿轮箱迁移诊断研究姓名：王旭铎指导教师：段礼祥

研究背景1在机械传动系统中，齿轮箱以其结构紧凑、减速比大、传动效率高等特点得到广泛应用。齿轮箱工作环境恶劣，常在高速重载等复杂工况下运行，一旦出现故障，易造成连锁设备故障及重大经济损失，因此齿轮箱故障诊断研究是故障诊断领域研究重点之一。分类诊断不同的工作状态数据现有的训练模型传统基于振动信号诊断方法大多集中在实验室等受控条件下，对平稳工况下的设备采集数据、进行处理、特征提取及模式识别，实现故障诊断。然而，实际生产中运行状态往往是变化的（如齿轮箱变转速、变负载）。因为其运行工况的不稳定造成故障特征的动态变化，从而导致特征提取难度增大，已训练模型分类性能变差甚至失效。目标：建立一种适应性更强的诊断模型

研究内容可迁移度指标的确立针对数据存在的属性差异问题，研究不同工况下数据分布规律，确定可迁移度指标。基于特征的自适应模型建立提取故障敏感特征，消除工况影响不同工况和同类不同种设备的诊断一种工况（或设备）数据训练，另一种工况（或设备）数据做测试2

可迁移度指标的确立问题：为什么能迁移，有哪些特征是能反映出工况变化和故障变化思路：分别讨论不同工况和不同故障的数据特征，分析出会随着工况变化发生变化的特征以及稳定特征，然后分析不同故障情况的特征变化，找出对于故障敏感同时对工况不敏感的特征指标。最后通过互信息验证。3故障敏感特征工况稳定特征可迁移度指标

方法流程关联规则：是一种通过概率统计分析各项目之间的关系方法支持度（概率），置信度（条件概率）提出基于等概率划分的关联规则挖掘挖掘出特征之间以及与故障工况时间的关系，可以分析出特征值的大小随工况或故障的变化情况4特征提取时域特征频域特征时频域特征关联规则挖掘挖掘不同工况的稳定特征挖掘不同故障的敏感特征确定迁移指标互信息验证确定迁移指标

研究内容可迁移度指标的确立针对数据存在的属性差异问题，研究不同工况下数据分布规律，确定可迁移度指标。基于特征的自适应模型建立提取故障敏感特征，消除工况影响不同工况和同类不同种设备的诊断一种工况（或设备）数据训练，另一种工况（或设备）数据做测试5

特征学习模型6提出基于CNN和mSDA的特征学习模型利用已知工况的故障标签数据建立监督式故障特征学习模型，学习故障敏感特征。结合mSDA特征变换，消除数据差异，从而消除工况造成的分布差异。

处理过程7FFT处理时域信号数据，得到低纬度频域表达利用建立的模型进行自动特征学习和特征变换训练分类器，实现故障识别和分类

特征学习具体过程8输入数据CNN学习的高维特征表示mSDA特征变换输出特征

9不同工况不同故障下CNN学习特征不同工况不同故障下AMDA学习特征

Thankyou!10汇报完毕！