科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对旋转机械传感器信号样本有限影响深层网络模型训练学习的问题，提出一种结合改进残差自编码网络与类自适应方法的故障诊断模型应对小样本数据。首先将少量已标记的源域数据和微量未标记的目标域数据创建成对样本，并利用一维残差卷积自编码网络对两种不同分布的原始振动信号进行特征提取；其次，利用最大均值差异减小分布差异，将两个域同一故障类别的数据空间映射到一个共同的特征空间，最终实现准确的故障诊断。通过实验台数据集进行实验验证，结果表明，与微调、域自适应等方法相比，所提模型能够有效提高不同工况下微量标记的目标域振动数据的故障诊断准确率。
-
单位空军工程大学; 空军工程大学防空反导学院
