典型文献
基于增量学习的数控机床故障诊断系统
文献摘要：
针对数控机床中主轴轴承和刀具同时出现故障或机床主轴转速改变时的故障诊断问题,提出了基于增量学习的深度卷积诊断模型.首先,将常用转速下的主轴轴承和刀具振动数据集,输入结合了批量归一化算法的一维卷积神经网络,实现单一转速下故障诊断;然后,人工判断跨转速诊断时的未知故障类型,对其打标签后重新输入网络,通过增量学习实现知识迁移并使模型学习新数据特征;最后模型在跨转速故障诊断领域的准确率为76.49％～86.09％,且与Fine Tuning和Joint Training两种经典跨领域算法相比,基于增量学习的深度卷积诊断模型提高了准确率,缩短了训练用时.
文献关键词：
计量学;故障诊断;跨转速;增量学习;振动信号;数控机床;知识蒸馏
中图分类号：
作者姓名：
张煜莹;陆艺;赵静
作者机构：
中国计量大学计量测试工程学院,浙江杭州310018;杭州沃镭智能科技股份有限公司,浙江杭州310018
文献出处：
引用格式：
[1]张煜莹;陆艺;赵静-.基于增量学习的数控机床故障诊断系统)[J].计量学报,2022(11):1456-1463
A类：
跨转速
B类：
增量学习,数控机床,机床故障,故障诊断系统,主轴轴承,刀具,机床主轴,主轴转速,诊断问题,深度卷积,诊断模型,批量归一化,一维卷积神经网络,未知故障,故障类型,打标,入网,知识迁移,模型学习,新数据,数据特征,转速故障,Fine,Tuning,Joint,Training,跨领域,振动信号,知识蒸馏
AB值：
0.385937
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。
