针对多工况下的模块发射药供药装置故障诊断问题，提出一种基于迁移学习和奇异值分解的故障诊断方法。通过奇异值分解对模块药的位移速度数据进行降维和降噪预处理，并提取特征；采用基于TrAdaBoost算法框架的迁移学习方法，综合有限的试验数据和大量的仿真数据，提取有效故障信息，构建多个基故障分类器，并最终集成一个高质量故障分类器。研究结果表明，该方法对多样工况下的故障数据有很好的适应性，在试验数据量较少的情况下，相对于传统机器学习方法可以获得更好的故障识别准确率。
科研之友
微信
新浪微博
Facebook
分享链接
