Cross-Condition Vibration-Based Fault Diagnosis of Rolling Bearings Using Dual-Branch Feature Fusion and MK-MMD Domain Alignment

光谱图 人工智能 计算机科学 模式识别(心理学) 核(代数) 断层(地质) 卷积(计算机科学) 特征(语言学) 算法 离散傅里叶变换(通用) 傅里叶变换 卷积神经网络 频域 特征向量 自编码 计算机视觉 短时傅里叶变换 领域(数学分析) 特征提取 混叠 传输(计算) 增采样 融合 时频分析 传递函数 傅里叶域 离散时间傅里叶变换 振动 时域 分数阶傅立叶变换 编码器 分布(数学) 编码 数学
作者
Yancong HAN,Yin Luo,Qi Shi,Jun He,卓輝華
出处
期刊:Measurement Science Review [De Gruyter Open]
卷期号:26 (5): 250-259
标识
DOI:10.2478/msr-2026-0031
摘要

A cross-condition fault diagnosis method is developed for multi-channel vibration measurements. For every 0.5-s segment, Short-Time Fourier Transform (STFT) spectrograms and Fast Fourier Transform (FFT) spectral sequences are generated from the same four-channel observation. A convolutional neural network and a temporal convolutional network encode local time–frequency textures and global spectral dependencies, while a sample-adaptive gate fuses the two representations. Multiple Kernel Maximum Mean Discrepancy (MK-MMD) is then applied only in the common fused space to reduce load-induced distribution shift without target labels, pseudo-labels, or adversarial optimization. Experiments cover all three many-to-one transfer directions among 0, 2, and 4 Nm. The proposed model obtains accuracies of 87.62 %, 85.71 %, and 70.59 %, and macro-F1 scores of 89.24 %, 76.00 %, and 72.31 % for T1–T3, respectively. Against four external domain-adaptation baselines, it achieves the highest task-averaged accuracy (81.31 %) and macro-F1 (79.18 %). Five controlled ablations and class-level visualizations further show that fused-space alignment is the most consistent contributor, while the normal–unbalance ambiguity remains the main limitation under the more difficult transfer directions.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
领导范儿的应助被欢呼的凤妖采纳,获得10
1秒前
LQM发布了新的文献求助10
1秒前
lawang发布了新的文献求助10
2秒前
yang完成签到,获得积分10
3秒前
丘比特的应助被mimilv采纳,获得10
3秒前
开放的曼云完成签到,获得积分20
3秒前
vnewgnl举报背后煎蛋的求助涉嫌违规
3秒前
丰富的绮波完成签到 ,获得积分10
4秒前
Kuzu完成签到,获得积分10
4秒前
cjh发布了新的文献求助10
5秒前
哭嘻嘻关注了科研通微信公众号
5秒前
苹果大福完成签到,获得积分10
5秒前
小李发布了新的文献求助10
6秒前
dongdongdong完成签到,获得积分10
6秒前
弓长完成签到 ,获得积分10
7秒前
7秒前
7秒前
8秒前
zzz完成签到,获得积分10
8秒前
豆浆关注了科研通微信公众号
9秒前
10秒前
骤世界完成签到 ,获得积分10
11秒前
机智的水饺完成签到,获得积分10
11秒前
11秒前
Jun的应助被xh采纳,获得10
11秒前
12秒前
Nole的应助被里大炮采纳,获得10
12秒前
chencc发布了新的文献求助10
12秒前
在水一方的应助被科研小白采纳,获得30
13秒前
14秒前
14秒前
15秒前
lx发布了新的文献求助10
15秒前
搜集达人的应助被老实人采纳,获得10
15秒前
16秒前
mimilv发布了新的文献求助10
17秒前
zero发布了新的文献求助10
17秒前
科目三的应助被lbh采纳,获得10
17秒前
可爱的函函的应助被小李采纳,获得10
18秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Agyptische Geschichte der 21.30. Dynastie 510
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8191571
求助须知:如何正确求助?哪些是违规求助? 9578332
关于积分的说明 21858634
捐赠科研通 7790907
什么是DOI,文献DOI怎么找? 3436656
关于科研通互助平台的介绍 2560375
邀请新用户注册赠送积分活动 2483446