Page 154 - 《振动工程学报》2026年第3期

754 振 动 工 程 学 报 第 39 卷

（5）损失函数：损失函数的主要作用是衡量预测 型 编 程 环 境 为 R7⁃5800H CPU，NVIDIA RTX3060
值 与 实 际 值 之 间 的 差 异 。 交 叉 熵 损 失 函 数 又 称 GPU，Python3.8，Pytorch1.12，初 始 学 习 率 为 0.01，
Softmax 损失函数，是神经网络在分类问题中常用 采 用 SGD（stochastic gradient descent）作 为 优 化 算
的目标函数。其主要目的是衡量预测分布与真实分 法，其中 SGD 的动量为 0.9。学习速率衰减策略也
布之间的差异。交叉熵损失函数表达式为： 被用来调整学习速率，并且权重衰减值被初始化为
1 G C 0.0005，损失函数为交叉熵。初始模型参数设置如
( k )
L =- ∑∑ y j ln y ̂ ( k ) （9）
j
G
k = 1 j = 1 表 1 所示。模型结构如图 3 所示，MDMAAN 模型
式中， G 为样本数量； C 为类别数量； y j 为第 k 个样 由公共特征提取器、特定特征提取器和两个故障诊
( k )
( k )
本的第 j 个类别的真实标签值； y ̂ j 为第 k 个样本的 断单元组成，其中特征提取单元由卷积层、池化层、
第 j 个类别的预测概率。 激活层、全连接层和多头注意力机制等组成，故障
诊断单元由多个 Softmax 分类器组成，总损失由源
3. 2 模型参数及结构
域 分 类 损 失 、MK⁃MMD 损 失 和 分 类 器 分 类 损 失
基于 MDMAAN 的滚动轴承复合故障诊断模 组成。

表 1 MDMAAN 模型参数试验设置
Tab. 1 Experimental settings of MDMAAN model parameters

参数名称 配置 参数名称 配置 参数名称 配置
每次训练集样本点数 1000 激活层Ⅲ ReLU 线性层Ⅰ 128
每次测试集样本点数 250 池化层Ⅲ MaxPool 激活层Ⅵ ReLU
卷积层Ⅰ 4 卷积层Ⅳ 64 线性层Ⅱ 32
批量标准化层Ⅰ 4 批量标准化层Ⅳ 64 激活层Ⅶ ReLU
激活层Ⅰ ReLU 激活层Ⅳ ReLU 线性层Ⅲ 1
池化层Ⅰ MaxPool 池化层Ⅳ MaxPool 全连接层Ⅱ 1
卷积层Ⅱ 16 卷积层Ⅴ 128 损失函数Ⅰ 交叉熵
批量标准化层Ⅱ 16 批量标准化层Ⅴ 128 损失函数Ⅱ MK-MMD
激活层Ⅱ ReLU 激活层Ⅴ ReLU 损失函数Ⅲ L1 损失
池化层Ⅱ MaxPool 池化层Ⅴ AdaptiveMaxPool 卷积核大小 7×7
卷积层Ⅲ 32 全连接层Ⅰ 512
批量标准化层Ⅲ 32 多头注意力层 512

图 3 MDMAAN 模型结构图
Fig. 3 Diagram of MDMAAN model structure

3. 3 模型故障诊断流程 步骤 2：初始化模型，并将多个源域数据和目标
域 的 训 练 集 输 入 MDMAAN 模 型 中 ，进 行 模 型 的
基于多源域多头注意力自适应网络的滚动轴承
训练。
故障诊断流程如图 4 所示。
步骤 1：将数据集按照不同工况划分成源域数 步骤 3：通过公共特征提取器 F 对模型输入的
s
s
t
据 D 1， D 2，…， D n 和目标域数据 D ，并划分训练集、 数据进行特征提取，将提取到的原始特征映射到公
s
测试集。 共特征空间。