Self-attention and subdomain adaptive adversarial network for bearing fault diagnosis under varying operation conditions
Notice bibliographique
Résumé
ObjectivesDomain adaptive technology is widely used in the bearing fault diagnosis of variable operating conditions. However, most domain adaptive technology only focuses on the global domain distribution and ignores the subdomain distribution, and the domain-invariant feature quality is easily affected by noise, leading to a significant decrease in diagnostic accuracy under varying operation conditions. Therefore, a fault diagnosis method based on a self-attention subdomain adaptive adversarial network (SASAAN) is proposed.MethodsFirst, a convolutional block attention module (CBAM) is utilized to extract the fault-related domain-invariant features in the vibration signals of the source and target domains. The adversarial network and subdomain adaptive module are then combined to reduce differences in the global and local domain edge distributions of different operating condition data, thereby improving the transferability of the data. The loss function is optimized by back propagation using the Adam optimizer to improve the diagnostic performance of the model, and the hyperparameter tuning of the model is also performed. Finally，the diagnostic results on the target domain test set are output by the failure classifier, and the Ottawa bearing data set is used to validate the effectiveness of the proposed method. ,ResultsThe results show that the fault diagnosis accuracy of the proposed method is higher than 96% under the condition of strong noise and varying operation conditions, which is obviously better than other methods.ConclusionThe results of this study can provide valuable references for the fault diagnosis of rolling bearings under varying operation conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».