摘要
本发明公开了一种基于迁移卷积神经网络的机械故障诊断方法、设备及介质,包括步骤:(1)首先从多个实验装备上获得大量有标签的历史数据,并做简单归一化处理;(2)构建一维卷积神经网络,通过逐层堆叠获得初始可迁移卷积神经网络模型;(3)网络模型预训练,利用源域数据集对卷积神经网络的权值和偏置进行更新优化获得优化的可迁移卷积神经网络模型;(4)在目标域数据集上利用小的样本集在预训练的深度网络上对网络权值和偏置进行自适应逐层调优迁移,从而获得调优的可迁移卷积神经网络;(5)将待预测实例样本输入到调优的神经网络中获得故障类别的分类输出。本发明能够实现不同工况和不同试验设备之间的迁移诊断,并明显提高分类精度和训练速度。
- 单位