基于指数调节策略对抗网络学习的轴承故障诊断研究

打开文本图片集

摘要

基于深度学习的故障诊断方法被广泛应用于以轴承为代表的机械关键部件故障诊断，其取得理想效果的前提是有足量故障样本且训练集、测试集满足同分布要求。然而，在实际工况下数据分布会发生变化，进而使原有工况下的诊断模型很难适用于新工况。为此，域适应类迁移学习方法被用于解决训练集、测试集分布不同的问题，其重点在于实现数据分布适应，即度量数据分布差异，并利用度量结果对模型训练进行指导，从而提升学习效率和诊断准确率。（剩余14294字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。