自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

在變工況軸承故障診斷中如何簡單引入先驗(yàn)知識(shí)?

發(fā)布于 2025-4-24 06:35
瀏覽
0收藏

在變工況滾動(dòng)軸承故障診斷中,引入先驗(yàn)知識(shí)是提升深度學(xué)習(xí)模型準(zhǔn)確率的關(guān)鍵策略,尤其是在數(shù)據(jù)稀缺、工況復(fù)雜或噪聲干擾嚴(yán)重的場景下。以下從數(shù)據(jù)預(yù)處理、模型設(shè)計(jì)、損失函數(shù)優(yōu)化、特征融合四個(gè)維度簡單說明如何系統(tǒng)性地引入先驗(yàn)知識(shí)。

一、數(shù)據(jù)層面:基于物理機(jī)理的數(shù)據(jù)增強(qiáng)與特征引導(dǎo)

1. 物理模型驅(qū)動(dòng)的數(shù)據(jù)增強(qiáng)

(1)故障仿真生成:
利用滾動(dòng)軸承動(dòng)力學(xué)模型(如Hertz接觸理論、故障脈沖響應(yīng)模型)生成仿真振動(dòng)信號(hào),模擬不同故障類型(內(nèi)圈、外圈、滾動(dòng)體)和工況(轉(zhuǎn)速、負(fù)載)組合的樣本。例如:

在變工況軸承故障診斷中如何簡單引入先驗(yàn)知識(shí)?-AI.x社區(qū)

其作用是補(bǔ)充實(shí)際數(shù)據(jù)不足,增強(qiáng)模型對故障沖擊特征的敏感性。

(2)工況擾動(dòng)注入:
根據(jù)實(shí)際工況變化范圍(如轉(zhuǎn)速波動(dòng)±20%),通過重采樣或插值方法生成變轉(zhuǎn)速信號(hào),模擬非平穩(wěn)工況。

2. 物理特征提取與融合

(1)時(shí)頻域特征標(biāo)記:
結(jié)合故障特征頻率公式(如內(nèi)圈故障頻率),提取時(shí)頻圖(STFT、同步壓縮變換)中的能量集中區(qū)域,作為輔助特征輸入模型。

(2)多模態(tài)數(shù)據(jù)融合:
融合振動(dòng)信號(hào)與聲發(fā)射、溫度等多物理場數(shù)據(jù),通過注意力機(jī)制(如交叉模態(tài)Transformer)加權(quán)重要特征。

二、模型結(jié)構(gòu)設(shè)計(jì):嵌入物理約束的深度學(xué)習(xí)架構(gòu)

1. 物理引導(dǎo)的注意力機(jī)制

(1)故障頻率注意力:
根據(jù)故障特征頻率,在頻域設(shè)計(jì)帶通濾波器(如可學(xué)習(xí)的小波基),引導(dǎo)模型聚焦關(guān)鍵頻段。例如:

在變工況軸承故障診斷中如何簡單引入先驗(yàn)知識(shí)?-AI.x社區(qū)

通過可調(diào)參數(shù) ?σ 控制頻帶寬度,增強(qiáng)模型對故障敏感頻段的關(guān)注。

(2)時(shí)域稀疏性約束:
在卷積層或Transformer中引入稀疏激活模塊(如L1正則化),模擬故障沖擊的稀疏特性。

2. 混合物理-數(shù)據(jù)驅(qū)動(dòng)模型

(1)雙分支網(wǎng)絡(luò):
設(shè)計(jì)并行分支,一支處理原始信號(hào)(數(shù)據(jù)驅(qū)動(dòng)),另一支輸入物理特征(如包絡(luò)譜幅值、峭度指標(biāo)),通過特征拼接或門控機(jī)制融合。

(2)物理預(yù)訓(xùn)練與微調(diào):
使用仿真數(shù)據(jù)預(yù)訓(xùn)練模型(學(xué)習(xí)物理規(guī)律),再在真實(shí)數(shù)據(jù)上微調(diào),提升泛化能力。

三、損失函數(shù)優(yōu)化:注入領(lǐng)域知識(shí)約束

1. 物理一致性損失

(1)故障特征頻率匹配損失:
約束模型輸出的故障類別預(yù)測與振動(dòng)信號(hào)頻譜中的特征頻率峰值一致。例如:

在變工況軸承故障診斷中如何簡單引入先驗(yàn)知識(shí)?-AI.x社區(qū)

(2)包絡(luò)譜對齊損失:
在模型中間層特征中計(jì)算包絡(luò)譜,并與理論包絡(luò)譜(如故障調(diào)制效應(yīng))進(jìn)行相似性度量(如KL散度)。

2. 領(lǐng)域自適應(yīng)損失

  • 工況解耦約束:
    通過對抗訓(xùn)練或互信息最小化,分離特征中的故障信息與工況干擾。例如:

在變工況軸承故障診斷中如何簡單引入先驗(yàn)知識(shí)?-AI.x社區(qū)

四、特征后處理:基于專家規(guī)則的決策優(yōu)化

1. 規(guī)則引導(dǎo)的置信度校準(zhǔn)

  • 結(jié)合專家經(jīng)驗(yàn)(如“同一軸承不同測點(diǎn)的振動(dòng)能量差異應(yīng)小于閾值”),對模型輸出的概率進(jìn)行后處理,過濾不合理預(yù)測。

2. 多模型投票機(jī)制

  • 集成物理模型與深度學(xué)習(xí)模型的預(yù)測結(jié)果,通過加權(quán)投票提升魯棒性。

https://www.zhihu.com/consult/people/792359672131756032?isMe=1

?本文轉(zhuǎn)載自???高斯的手稿??,作者:哥廷根數(shù)學(xué)學(xué)派

收藏
回復(fù)
舉報(bào)
回復(fù)
相關(guān)推薦