近日，机械工程学院王恒教授团队在国际知名期刊《Nonlinear Dynamics》发表题为“Rolling bearing fault diagnosis method based on dynamic simulated model from source domain to target domain with improved alternating transfer learning”的研究成果。王恒教授为第一作者，研究生王鹏为通讯作者，南通大学为唯一完成单位。
针对目前滚动轴承故障诊断的源域数据多来自于实验室，在迁移学习过程中难以获取实际故障样本，网络训练方式落后，没有充分发挥损失函数的优点等不足，该文提出了一种基于动力学机理仿真联合改进交替迁移学习的滚动轴承故障诊断新方法。通过对滚动轴承动力学方程进行修正，构建不同故障状态的动力学仿真模型，获取大量故障标签信息的源域数据集；提出了一种改进的交替迁移学习算法，通过在不同层交替计算损失函数，缩小不同域之间的距离，完成网络参数交替更新，实现不同损失函数的优势互补。试验结果表明，该方法有效地减少了滚动轴承不同领域数据之间的特征分布差异，具有较高的诊断精度，为轴承机械故障早期诊断提供了新的思路。
这项工作得到了江苏省研究生研究与实践创新计划、南通市自然科学基金等项目资助。《Nonlinear Dynamics》是JCR Q1区，中科院2区Top期刊（2024年影响因子5.2），自动化学科领域控制理论与控制工程科技期刊目录T1分级期刊。
（郭伟）
