吴昊年　陈仁祥　胡小林　张霞　张焱　唐林林

摘要： 针对不同工况下训练样本与测试样本分布差异导致滚动轴承寿命阶段无法被有效识别的问题，提出改进均衡分布适配的滚动轴承寿命阶段识别方法。采用无重复均匀随机抽样对源域类间样本进行多次均匀随机抽样，得到源域多样本训练集，以减小源域内部样本选择对目标域预测标签的影响;在再生核希尔伯特空间上利用平衡因子μ动态调节边缘分布和条件分布所占权值，并通过迭代的方式不断优化目标域伪标签以减小两域的最大均值差异;利用源域多样本数据集各自的映射矩阵构造多个分类器，经过一致性判别得到目标域样本最终识别结果。在两组滚动轴承寿命阶段数据集上进行实验验证，证明了所提方法的可行性和有效性。

关键词： 故障诊断; 滚动轴承; 寿命阶段识别; 条件概率分布; 边缘分布

中图分类号： TH165⁺.3; TH133.33; TN911.7    文献标志码： A    文章编号： 1004-4523（2021）01-0194-08

DOI：10.16385/j.cnki.issn.1004-4523.2021.01.022

引 言

滚动轴承作为旋转机械关键零部件之一，对其寿命阶段识别可以监测其性能衰退过程，有效防止重大安全事故的发生。为准确识别滚动轴承寿命阶段，国内外已开展了相关研究。如：Yu等^[1]提出多域特征融合和降维学习的滚动轴承退化状态识别方法;陈仁祥等^[2]提出基于振动敏感时频特征的航天轴承寿命状态识别方法;王冰等^[3]提出了基于模糊聚类的退化状态识别方法。以上方法对同种工况下滚动轴承寿命阶段识别效果明显。……