機(jī)電工程與自動(dòng)化學(xué)院師生在國(guó)際知名期刊《IEEE Transactions on Instrumentation and Measurement》上發(fā)表論文

發(fā)表時(shí)間：2022-07-06

近日，佛山科學(xué)技術(shù)學(xué)院機(jī)電工程與自動(dòng)化學(xué)院何俊老師（第一作者）指導(dǎo)2018級(jí)控制工程研究生歐陽(yáng)明（通訊作者、第二作者）以佛山科學(xué)技術(shù)學(xué)院為第一署名單位在儀器和測(cè)量領(lǐng)域國(guó)際知名期刊《IEEE Transactions on Instrumentation and Measurement》（JCR一區(qū)，影響因子IF=4.016）上發(fā)表學(xué)術(shù)論文“A Deep Transfer Learning Fault Diagnosis Method Based on WGAN and Minimum Singular Value for Non-Homologous Bearing”。

在實(shí)際工業(yè)領(lǐng)域中，由于工作環(huán)境和應(yīng)用目標(biāo)的差異，旋轉(zhuǎn)機(jī)械故障診斷面臨更加復(fù)雜的域遷移問(wèn)題。為此，論文提出了一種基于生成對(duì)抗網(wǎng)絡(luò)和最小奇異值的深度遷移學(xué)習(xí)模型，該模型能夠減小不同機(jī)械非同源數(shù)據(jù)間的差異。實(shí)驗(yàn)結(jié)果表明，和以往其它的方法對(duì)比，該模型取得了明顯的改進(jìn)。

論文獲取地址：https://ieeexplore.ieee.org/document/9737530

（機(jī)電工程與自動(dòng)化學(xué)院）