【摘要】为解决机器工况变化下，轴承故障诊断精度显著下降的问题，建立了一种改进迁移诊断模型。综合利用最大均值差异和距离方差来衡量不同分布的差异，对齐源域和目标域数据的联合分布，并利用熵损失改善特征在共享子空间中的可分离性，建立以分类误差、分布差异、可分离性为优化目标的数学模型。其次，构建锯齿状扩展速率的膨胀卷积神经网络，以提取信号中多尺度泛化特征和进行故障诊断。随后制定两阶段训练策略，第一阶段利用源域数据训练诊断模型，第二阶段将模型迁移到目标域数据。最后利用两个轴承数据集进行验证，结果表明该方法在不同负载下有良好的迁移诊断性能，能有效应对不同强度噪声的干扰。