![](/images/graphics-bg.png)
A New Deep Convolutional Domain Adaptation Network for Bearing Fault Diagnosis under Different Working Conditions
المؤلفون المشاركون
Zhou, Shihua
Zhang, Yongchao
Ren, Zhaohui
المصدر
العدد
المجلد 2020، العدد 2020 (31 ديسمبر/كانون الأول 2020)، ص ص. 1-14، 14ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2020-07-24
دولة النشر
مصر
عدد الصفحات
14
التخصصات الرئيسية
الملخص EN
Effective fault diagnosis methods can ensure the safe and reliable operation of the machines.
In recent years, deep learning technology has been applied to diagnose various mechanical equipment faults.
However, in real industries, the data distribution under different working conditions is often different, which leads to serious degradation of diagnostic performance.
In order to solve the issue, this study proposes a new deep convolutional domain adaptation network (DCDAN) method for bearing fault diagnosis.
This method implements cross-domain fault diagnosis by using the labeled source domain data and the unlabeled target domain data as training data.
In DCDAN, firstly, a convolutional neural network is applied to extract features of source domain data and target domain data.
Then, the domain distribution discrepancy is reduced through minimizing probability distribution distance of multiple kernel maximum mean discrepancies (MK-MMD) and maximizing the domain recognition error of domain classifier.
Finally, the source domain classification error is minimized.
Extensive experiments on two rolling bearing datasets verify that the proposed method can implement accurate cross-domain fault diagnosis under different working conditions.
The study may provide a promising tool for bearing fault diagnosis under different working conditions.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Zhang, Yongchao& Ren, Zhaohui& Zhou, Shihua. 2020. A New Deep Convolutional Domain Adaptation Network for Bearing Fault Diagnosis under Different Working Conditions. Shock and Vibration،Vol. 2020, no. 2020, pp.1-14.
https://search.emarefa.net/detail/BIM-1212905
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Zhang, Yongchao…[et al.]. A New Deep Convolutional Domain Adaptation Network for Bearing Fault Diagnosis under Different Working Conditions. Shock and Vibration No. 2020 (2020), pp.1-14.
https://search.emarefa.net/detail/BIM-1212905
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Zhang, Yongchao& Ren, Zhaohui& Zhou, Shihua. A New Deep Convolutional Domain Adaptation Network for Bearing Fault Diagnosis under Different Working Conditions. Shock and Vibration. 2020. Vol. 2020, no. 2020, pp.1-14.
https://search.emarefa.net/detail/BIM-1212905
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-1212905
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)