A Deep Transfer Model With Wasserstein Distance Guided Multi-Adversarial Networks for Bearing Fault Diagnosis Under Different Working Conditions

计算机科学 人工智能 学习迁移 特征学习 断层(地质) 深度学习 特征(语言学) 嵌入 对抗制 领域(数学分析) 机器学习 数据挖掘 数学 地质学 数学分析 哲学 地震学 语言学
作者
Ming Zhang,Duo Wang,Weining Lu,Jun Yang,Zhiheng Li,Bin Liang
出处
期刊:IEEE Access [Institute of Electrical and Electronics Engineers]
卷期号:7: 65303-65318 被引量:98
标识
DOI:10.1109/access.2019.2916935
摘要

In recent years, intelligent fault diagnosis technology with the deep learning algorithm has been widely used in the manufacturing industry for substituting time-consuming human analysis method to enhance the efficiency of fault diagnosis. The rolling bearing as the connection between the rotor and support is the crucial component in rotating equipment. However, the working condition of the rolling bearing is under changing with complex operation demand, which will significantly degrade the performance of the intelligent fault diagnosis method. In this paper, a new deep transfer model based on Wasserstein distance guided multi-adversarial networks (WDMAN) is proposed to address this problem. The WDMAN model exploits complex feature space structures to enable the transfer of different data distributions based on multiple domain critic networks. The essence of our method is learning the shared feature representation by minimizing the Wasserstein distance between the source domain and target domain distribution in an adversarial training way. The experiment results demonstrate that our model outperforms the state-of-the-art methods on rolling bearing fault diagnosis under different working conditions. The t-distributed stochastic neighbor embedding (t-SNE) technology is used to visualize the learned domain invariant feature and investigate the transferability behind the great performance of our proposed model.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
哈哈哈哈嘻嘻嘻完成签到 ,获得积分10
1秒前
木槿花难开完成签到,获得积分10
1秒前
雪山飞龙完成签到,获得积分10
2秒前
我是老大应助开放道天采纳,获得10
6秒前
Xzmmmm完成签到,获得积分10
9秒前
优秀的牛青完成签到 ,获得积分10
9秒前
XDM完成签到 ,获得积分10
10秒前
第3行星完成签到 ,获得积分10
15秒前
刻苦的新烟完成签到 ,获得积分10
16秒前
haochi完成签到,获得积分10
16秒前
胡萝卜佳完成签到 ,获得积分10
18秒前
啦啦啦完成签到,获得积分10
19秒前
CCsouljump完成签到 ,获得积分10
19秒前
daisy完成签到 ,获得积分10
20秒前
小静完成签到 ,获得积分10
21秒前
丰富梦容完成签到 ,获得积分20
21秒前
开放道天完成签到 ,获得积分10
22秒前
CipherSage应助科研通管家采纳,获得10
26秒前
微雨若,,完成签到 ,获得积分10
29秒前
纯真追命完成签到 ,获得积分10
33秒前
Dawn完成签到 ,获得积分10
41秒前
杨永佳666完成签到 ,获得积分10
41秒前
烟花应助小雷采纳,获得10
42秒前
pphss发布了新的文献求助30
45秒前
neilphilosci完成签到 ,获得积分10
46秒前
2024kyt完成签到 ,获得积分10
48秒前
胖胖橘完成签到 ,获得积分10
50秒前
一缕轻曲挽南墙完成签到 ,获得积分10
51秒前
汉堡包应助聪明安筠采纳,获得10
54秒前
啦啦啦完成签到 ,获得积分10
56秒前
潇湘完成签到 ,获得积分10
56秒前
看见了紫荆花完成签到 ,获得积分10
57秒前
临风浩歌完成签到 ,获得积分10
59秒前
ghost完成签到 ,获得积分10
1分钟前
shimenwanzhao完成签到 ,获得积分0
1分钟前
1分钟前
研友_LBRPOL完成签到 ,获得积分10
1分钟前
小雷发布了新的文献求助10
1分钟前
Cai完成签到,获得积分10
1分钟前
miyulong完成签到 ,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354453
什么是DOI,文献DOI怎么找? 1246090
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921