科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对实际工程中故障振动信号数据分布不同、数据量小的问题，提出了一种基于卷积神经网络进行迁移学习的滚动轴承诊断方法。利用递归图对滚动轴承的一维时序数据进行图像转换，得到二维图像下的源域数据和目标域数据；然后将源域数据输入到添加ECA注意力机制的ResNet网络中进行预训练，得到预训练权重；将预训练权重迁移至模型当中，用少量样本进行训练，以验证集准确率为基准，获取此时的训练权重，并保存至目标模型中，最后将测试集数据输入到此时的模型进行验证。结果表明，该方法能够在目标域仅有少量训练样本的情况下，达到较高的故障识别准确率，且具有较强的鲁棒性能和泛化性能。
-
单位东北林业大学; 机电工程学院
