典型文献
基于改进残差卷积自编码网络的类自适应旋转机械故障诊断
文献摘要：
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卷积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目标域数据创建为成对样本,并设计一种改进的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(MMD)减小分布差异,并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.实验结果表明,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、微量已标记的目标域振动数据下的故障诊断准确率.
文献关键词：
残差卷积自编码网络;类自适应;旋转机械故障诊断;小样本;最大均值差异
中图分类号：
作者姓名：
张剑;程培源;邵思羽
作者机构：
空军工程大学研究生院,西安710051;空军工程大学防空反导学院,西安710051
文献出处：
引用格式：
[1]张剑;程培源;邵思羽-.基于改进残差卷积自编码网络的类自适应旋转机械故障诊断)[J].计算机应用,2022(08):2440-2449
A类：
残差卷积自编码网络
B类：
类自适应,旋转机械故障诊断,传感器信号,本有,深层网络,模型训练,训练学,自适应方法,故障诊断模型,小样本数据,源域,目标域,一维残差卷积,不同分布,振动信号,最大均值差异,MMD,分布差异,数据空间,空间映射,射到,特征空间,微调,域自适应,不同工况,故障诊断准确率
AB值：
0.202368
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。
