典型文献
一种基于L2正则化迁移学习的变负载工况条件下故障诊断方法
文献摘要：
针对变负载工况条件下故障诊断模型准确率不高、存在过拟合以及泛化能力较弱等问题,提出一种基于L2正则化迁移学习的变负载工况条件下故障诊断方法.通过L2正则化迁移学习抑制模型过拟合,引入长短期记忆网络进行故障诊断模型训练,利用少量目标域数据进行模型参数微调,构建基于L2正则化迁移学习的变负载工况下故障诊断模型.通过模型实验并对比常规的长短期记忆网络、门控循环单元以及双向长短期记忆网络等深度学习故障诊断模型,表明所提出的方法准确率更高,并具有较好的泛化能力,验证了方法的有效性.
文献关键词：
变负载工况;故障诊断;L2正则化;迁移学习;长短期记忆网络
中图分类号：
作者姓名：
宋旭东;朱大杰;杨杰;丛郁洋
作者机构：
大连交通大学计算机与通信工程学院,辽宁大连 116028
文献出处：
引用格式：
[1]宋旭东;朱大杰;杨杰;丛郁洋-.一种基于L2正则化迁移学习的变负载工况条件下故障诊断方法)[J].大连交通大学学报,2022(02):106-109,114
A类：
B类：
L2,正则化,迁移学习,变负载工况,工况条件,故障诊断方法,故障诊断模型,模型准确率,过拟合,泛化能力,模型训练,目标域,微调,模型实验,门控循环单元,双向长短期记忆网络
AB值：
0.146531
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。
