基于樣本自適應(yīng)條件對抗網(wǎng)絡(luò)的齒輪箱跨域故障診斷研究

摘要： 基于對抗訓(xùn)練的深度領(lǐng)域適應(yīng)在旋轉(zhuǎn)部件跨域故障診斷中應(yīng)用效果良好。然而，現(xiàn)有研究主要致力于降低邊緣分布差異而忽略對類別分布信息的挖掘，導(dǎo)致其在復(fù)雜場景下診斷準確性不足。針對該問題，提出一種樣本自適應(yīng)條件對抗網(wǎng)絡(luò)，通過分解抽象特征和評估樣本置信度挖掘類別分布特征，增強對抗訓(xùn)練的域適配能力，從而有效提高跨域診斷性能。通過齒輪箱故障診斷實驗驗證所提方法在實際應(yīng)用中的有效性和優(yōu)越性。 （共6頁）