已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Stepwise feature norm network with adaptive weighting for open set cross-domain intelligent fault diagnosis of bearings

加权 断层(地质) 计算机科学 规范(哲学) 模式识别(心理学) 领域(数学分析) 人工智能 集合(抽象数据类型) 数据挖掘 特征(语言学) 算法 数学 哲学 法学 程序设计语言 地震学 数学分析 地质学 放射科 医学 语言学 政治学
作者
Feng Jia,Yuanfei Wang,Jianjun Shen,Lifei Hao,Zhaoyu Jiang
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:35 (5): 056126-056126
标识
DOI:10.1088/1361-6501/ad282f
摘要

Abstract Cross-domain fault diagnosis of bearings has attracted significant attention. However, traditional cross-domain diagnostic methods have the following shortcomings: (1) when the trained model is applied to a new scenario, it leads to severe degradation of the model and a reduction in its generalisation ability. (2) The accuracy of the open-set fault diagnosis is affected by additional faults in the target domain data. To overcome these shortcomings, a stepwise feature norm network with adaptive weighting (SFNAW) is proposed for cross-domain open-set fault diagnosis. In SFNAW, two weight extractors are designed to adaptively calculate the sample weights such that a threshold can be set to mark the additional fault samples of the target domain as unknown faults using these weights. Transferable features are obtained by adaptively increasing the feature norm stepwise to alleviate model degradation and align the source and target domains. Finally, the fault diagnosis knowledge of the source domain is transferred to fault recognition in the target domain. The proposed SFNAW method was verified using two bearing datasets. The results show that the SFNAW can effectively detect additional faults in the target domain and reduce model degradation, thereby improving the fault diagnosis accuracy. Meanwhile, the SFNAW method has a higher accuracy than other traditional methods.
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
a378514670发布了新的文献求助10
1秒前
AIA7发布了新的文献求助10
4秒前
wanci应助Anserbe采纳,获得10
6秒前
6秒前
哭泣的兔子完成签到,获得积分10
7秒前
7秒前
Yy完成签到 ,获得积分10
7秒前
8秒前
zuiai关注了科研通微信公众号
8秒前
ling361完成签到,获得积分10
10秒前
bkagyin应助自觉的语海采纳,获得10
11秒前
scarlet完成签到 ,获得积分10
13秒前
安静的磬发布了新的文献求助10
13秒前
坚定的迎波应助余妍妍采纳,获得10
14秒前
AIA7完成签到,获得积分10
16秒前
科研通AI2S应助淡紫浅蓝采纳,获得10
17秒前
英姑应助安静的磬采纳,获得10
17秒前
美好芳完成签到 ,获得积分10
19秒前
丁丁完成签到,获得积分10
20秒前
余十一完成签到,获得积分10
20秒前
21秒前
和谐蛋蛋完成签到,获得积分10
22秒前
GGBOND2024完成签到 ,获得积分10
24秒前
楠茸完成签到 ,获得积分10
24秒前
26秒前
27秒前
只只发布了新的文献求助10
29秒前
Chris完成签到 ,获得积分10
29秒前
学渣路过完成签到,获得积分10
30秒前
32秒前
淡紫浅蓝完成签到,获得积分10
32秒前
zuiai发布了新的文献求助10
33秒前
FashionBoy应助荀冰姬采纳,获得10
35秒前
淡紫浅蓝发布了新的文献求助10
36秒前
orange完成签到 ,获得积分10
36秒前
了凡完成签到 ,获得积分10
37秒前
37秒前
38秒前
40秒前
42秒前
高分求助中
Sustainability in ’Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 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 3072420
求助须知:如何正确求助?哪些是违规求助? 2726230
关于积分的说明 7493301
捐赠科研通 2373930
什么是DOI,文献DOI怎么找? 1258827
科研通“疑难数据库(出版商)”最低求助积分说明 610392
版权声明 596967