一种改进原型网络的小样本轴承故障诊断方法

作者：赵志宏; 张然^*; 刘克俭; 杨绍普

来源：振动与冲击, 2023, 42(20): 214-221.

DOI：10.13465/j.cnki.jvs.2023.20.025

• 故障诊断
• 小样本学习
• 原型网络
• 辅助任务

在原型网络小样本故障诊断中，由于故障样本少并且易受异常值的影响，导致所得类原型准确性不是很好。为了提高故障原型表示的准确性，提出一种改进原型网络的小样本故障诊断方法，通过引入辅助分类任务提取更具鲁棒性的特征，提高提取特征的区分能力。另外，利用查询集样本进一步优化类原型，提高类原型对故障轴承的表示能力。为验证所提方法的有效性，设置K取不同值，在滚动轴承数据集上进行C-way K-shot故障诊断试验。试验结果表明，改进原型网络所得类原型具有更好的区分性与准确性。在10-way 5-shot试验中，所提方法相较传统原型网络准确率提高了5.1%。

• 单位
  石家庄铁道大学