典型文献
小样本条件下元学习门控神经网络的齿轮退化趋势预测研究
文献摘要：
针对齿轮小样本条件下深度神经网络训练容易过拟合导致齿轮退化趋势预测不精准的难题,提出了元学习门控神经网络网络齿轮退化趋势预测模型(Meta-learning gated recurrent neural networks,MLGRU).将齿轮原始振动信号经过征提取、特征筛选以及特征融合后的指标作为门控神经网络的输入;在元学习网络框架下搭建门控神经网络,在防止齿轮预测模型过拟合的同时通过多任务的训练方式优化元学习门控神经网络,使其在小样本条件下快速收敛;通过门控神经单元深度学习齿轮演化规律并进行退化趋势预测.试验结果表明所提元学习门控神经网络能够充分学习齿轮演化机理,实现齿轮退化趋势预测.
文献关键词：
齿轮;退化趋势预测;元学习;门控神经网络;小样本
中图分类号：
作者姓名：
余晓霞;邓蕾;汤宝平;夏乙;李琪康
作者机构：
重庆大学机械传动国家重点实验室 重庆400044;重庆航天职业技术学院 重庆400021
文献出处：
引用格式：
[1]余晓霞;邓蕾;汤宝平;夏乙;李琪康-.小样本条件下元学习门控神经网络的齿轮退化趋势预测研究)[J].机械工程学报,2022(03):149-156
A类：
MLGRU
B类：
小样本,样本条件,下元,元学习,门控神经网络,齿轮,轮退,退化趋势预测,预测研究,深度神经网络,神经网络训练,过拟合,learning,gated,recurrent,neural,networks,振动信号,特征筛选,特征融合,学习网络,网络框架,多任务,训练方式,方式优化,快速收敛,过门,轮演,演化规律,演化机理
AB值：
0.273215
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
