基于滚动轴承故障诊断的类间排斥松弛判别迁移学习.docx

滚动轴承作为旋转机械中应用广泛且容易损坏的零部件，对其进行有效的故障诊断有助于预防设备事故发生[1-2]。滚动轴承长期在变工况条件（如不同转速、不同负载等）下工作，一方面，这些变工况条件不但对滚动轴承的性能、可靠性有着巨大的影响，同时导致轴承新工况（当前实时的运行工况，即目标域）样本的类标签很难甚至无法获取；另一方面，正是轴承工况的多变性，造成历史工况下（辅助域）的有标签样本往往是富余的[3]，而变工况又使得历史工况样本与新工况样本的概率分布（包括边缘概率分布和条件概率分布）存在差异。因此，仅利用历史工况下的有标签样本对滚动轴承的新工况待测样本进行故障诊断有重要的实际意义，但也有较大的挑战性[