针对变负载工况条件下故障诊断模型准确率不高、存在过拟合以及泛化能力较弱等问题，提出一种基于L2正则化迁移学习的变负载工况条件下故障诊断方法.通过L2正则化迁移学习抑制模型过拟合，引入长短期记忆网络进行故障诊断模型训练，利用少量目标域数据进行模型参数微调，构建基于L2正则化迁移学习的变负载工况下故障诊断模型.通过模型实验并对比常规的长短期记忆网络、门控循环单元以及双向长短期记忆网络等深度学习故障诊断模型，表明所提出的方法准确率更高，并具有较好的泛化能力，验证了方法的有效性.
科研之友
微信
新浪微博
Facebook
分享链接
