基于Machinekit的S型曲线前瞻规划算法

针对跨工况故障诊断常用的无监督域适应方法进行条件分布对齐时目标域伪标签不准确的问题,提出了一种多尺度异步联合分布对齐(MAJDA)故障诊断网络。该网络一方面利用3种不同卷积核尺寸的一维卷积神经网络提取不同尺度的特征,分别输入3个分类器,融合3个分类结果确保伪标签更准确;一方面在对齐条件分布之前先对齐边缘分布以确保伪标签更准确,避免了直接进行条件分布对齐时错误伪标签过多引起的负迁移。利用本文采集的轴承数据集和PHM2009齿轮箱数据集进行实验验证。结果表明,在目标工况数据无标签的情况下,该方法诊断准确率显著高于其它常见的域适应方法。

资料为PDF文档格式.

本文档关键词:前瞻,算法,曲线,规划,Machinekit