近年来, 深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用,
但面对不停机情况下的早期故障在线检测问题, 仍存在着早期故障特征表示不充分,
误报警率高等不足. 为解决上述问题, 本文从时序异常检测的角度出发, 提出了一种基于深度迁移
学习的早期故障在线检测方法. 首先, 提出一种面向多域迁移的深度自编码网络,
通过构建具有改进的最大均值差异正则项和Laplace 正则项的损失函数, 在自适应提取不同域
数据的公共特征表示同时, 提高正常状态和早期故障状态之间特征的差异性; 基于该特征表示 …