实际工业生产过程中,不同工况的机械设备,所采集到的数据普遍存在时空分布不一致或数据不平衡的问题,从而影响故障诊断模型的精度及泛化能力。迁移学习作为一种利用现有知识对不同但相关领域问题进行求解的学习方法,可有效解决传统机器学习数据分布不一致和小数据集下模型训练的问题。因此,如何将迁移学习应用于故障诊断领域成为学术界和工业界研究的热点。本文首先综述迁移学习领域自适应的研究现状,之后对领域自适应在故障诊断领域的应用进行分析,并对迁移学习在故障诊断领域未来的研究方向进行了探讨。
科研之友
微信
新浪微博
Facebook
分享链接
