Page 286 - 《振动工程学报》2026年第2期

602 振 动 工 程 学 报 第 39 卷

52% 0% 0% 0% 40% 100% 0% 0% 0% 0% 100% 0% 0% 0% 0%
正常状态 0% 100% 0% 0% 0% 正常状态 100% 0% 0% 0% 正常状态 100% 0% 0% 0%
气流扰动
气流扰动 0%
气流扰动 0%
质量不平衡 0% 0% 54% 47% 0% 质量不平衡 0% 0% 58% 41% 0% 质量不平衡 0% 0% 19% 34% 0%
81% 66% 0%
0%
46% 53% 0%
0%
轴承座松动 48% 0% 0% 0% 60% 轴承座松动 0% 0% 0% 0% 100% 轴承座松动 0% 0% 0% 0% 100%
42% 59% 0%
转子不对中 气流扰动 轴承座松动 转子不对中 气流扰动 轴承座松动 转子不对中 气流扰动 轴承座松动
0% 0%
0% 0%
转子不对中
转子不对中
正常状态
正常状态
转子不对中
质量不平衡
正常状态
质量不平衡
质量不平衡
(a) CMMD (b) DDC (c) DCORAL
正常状态 100% 0% 0% 0% 0% 正常状态 100% 0% 0% 0% 0% 正常状态 100% 0% 0% 0% 0%
100% 0% 0% 0%
100% 0% 0% 0%
气流扰动 0%
100% 0% 0% 0%
气流扰动 0%
气流扰动 0%
质量不平衡 0% 0% 51% 39% 0% 质量不平衡 0% 0% 48% 41% 0% 质量不平衡 0% 0% 100% 0% 0%
52%
61% 0%
100% 0%
0%
59% 0%
轴承座松动 0% 0% 0% 0% 100% 轴承座松动 0% 0% 0% 0% 100% 轴承座松动 0% 0% 0% 0% 100%
49%
转子不对中 0% 0% 轴承座松动 转子不对中 0% 0% 轴承座松动 转子不对中 0% 0% 轴承座松动
气流扰动
气流扰动
正常状态
正常状态
转子不对中
质量不平衡
转子不对中
质量不平衡
质量不平衡
转子不对中
气流扰动
正常状态
(d) DAN (e) JAN (f) MsRDDA

图 9 迁移诊断结果的混淆矩阵
Fig. 9 Confusion matrix of diagnosis results
t 分布随机邻域嵌入（t-SNE）算法对迁移诊断任务 T2 质量不平衡和轴承座松动故障混合在一起，对于这 4 类
原始数据和分类层的输出数据降至二维并可视化，结 故障数据无法进行准确分类区分；从图 10（c）~（f）中
果如图 10 所示。从图 10（a）中可以看到，原始数据混杂 可以看到，质量不平衡和轴承座松动故障混叠在一起，
重叠在一起，故障无法进行有效分类；从图 10（b）中 无法进行准确识别；从图 10（g）中可以看到，每个故障
可以看到，正常状态和转子不对中故障混叠在一起， 都汇集在一起，且距离其他故障较远，诊断效果较好。

正常状态
正常状态
气流扰动 气流扰动
质量不平衡 质量不平衡
轴承座松动 轴承座松动
转子不对中 转子不对中
源域 目标域
(a) 原数据 (b) CMMD (c) DDC
(a) Original data

(d) DCORAL (e) DAN (f) JAN (g) MsRDDA

图 10 t-SNE 可视化结果
Fig. 10 t-SNE visualization results

5 结 论 布差异大导致的故障识别精度低的问题，本文提出
了一个基于多尺度残差动态域适应网络的不同工况
针对跨域智能故障诊断中源域和目标域数据分 下转子故障诊断方法。该方法将对一维时域数据进