Page 155 - 《振动工程学报》2026年第3期

第 3 期 王亚萍，等： 多源域下 MAAN 与 MK-MMD 的滚动轴承跨工况复合故障诊断 755

图 5 PU 大学轴承试验平台
Fig. 5 Bearing test bench of PU

PU 数据集包含了 6 种正常状态的轴承、12 种人
为损坏的轴承、14 种因加速寿命试验造成实际损坏
的轴承。由于 PU 数据集中数据复杂且轴承故障类
型丰富，选择 PU 数据集中一个正常轴承数据和部
分 加 速 寿 命 试 验 轴 承 数 据 K005、KA15、KA16、
KB23、KB24、KB27、KI14、KI21 进行本节的试验，故
障类型包括了内圈故障、外圈故障和内外圈复合故
障，具体如表 2 所示。PU 数据采集试验中滚动轴承
的转速和负载如表 3 所示。

表 2 PU 部分故障轴承说明
Tab. 2 PU partial fault bearing description

编号 轴承描述 损伤位置 损伤程度 损伤模式 损伤特点
K005 正常轴承 — — — —
KA15 塑性变形 OR 1 单一 单点
KA16 疲劳点蚀 OR 2 重复 单点
图 4 MDMAAN 模型的故障诊断流程
KB23 疲劳点蚀 OR+IR 2 多重 分散式
Fig. 4 Fault diagnosis process for the MDMAAN model
KB24 疲劳点蚀 OR+IR 3 重复 分散式
步骤 4：利用多头注意力机制对提取到的原始 KB27 塑性变形 OR+IR 1 多重 分散式
特征按权重进行分配，将分配后的特征输入特定的 KI14 疲劳点蚀 IR 1 单一 单点
特征提取器 Ft 中进行特征提取并映射到特定的特 KI21 疲劳点蚀 IR 1 单一 单点
征空间中。 表 3 PU 数据采集试验工况
步骤 5：通过多核最大均值差异 MK⁃MMD 衡量 Tab. 3 PU data acquisition experimental conditions
源域和目标域在特定特征空间中特征的距离，并计 编号 转速/（r·min ） 负载扭矩/(N·m) 径向力/N
-1
算域适应损失 MK⁃MMDloss。 P0 1500 0.7 1000
步骤 6：通过源域标签计算源域的分类损失 lc， P1 900 0.7 1000
计算对目标域的预测结果分类损失 L1，计算总损失 P2 1500 0.1 1000
并通过反向传播更新 MDMAAN 模型。 P3 1500 0.7 400
步骤 7：通过测试集数据和目标域标签进行诊
由 表 3 可 以 看 出 ，PU 数 据 集 有 4 种 不 同 的 转
断 效 果 评 估 ，完 成 MDMAAN 跨 工 况 复 合 故 障
速、负载扭矩和径向力，那么基于这 4 种不同的工
诊断。
况，可以将试验设置为 9 项跨工况多源域迁移故障
诊断任务，如表 4 所示。将数据划分为 5000 个样本，
4 试验验证
每个样本长为 1024。
每个数据集随机抽取 80% 作为训练集，20% 为
4. 1 帕德博恩数据验证
测试集，分别研究不同迭代次数、不同卷积层数、不
帕德博恩大学 ［16］ 提供的轴承数据集简称 PU 数 同训练批次以及不同源域数量对 MDMAAN 模型
据集。试验台由驱动电机、扭矩测量轴、滚动轴承测 故障诊断的影响。
试模块、飞轮和负载电机组成，其结构如图 5 所示。 4. 1. 1 不同迭代次数对比
被测轴承为 6203 轴承，故障包括人为破坏、电雕刻、 以表 4 中试验 D 为例，进行迭代次数对比，对比
电火花加工、钻孔和疲劳等导致的真实损害的轴承 不 同 迭 代 次 数 对 损 失 值 和 准 确 率 的 影 响 ，结 果 如
故障数据，采样频率为 64 kHz。 图 6 所示。