一种小样本下基于迁移原形网络的机械故障智能诊断方法

摘要

本发明公开了一种小样本下基于迁移原形网络的机械故障智能诊断方法，本发明使用深度卷积神经网络对机械信号进行特征提取和运行状态识别，能够有效提取出机械信号中的敏感特征，摆脱了传统上特征提取过程对人工经验的依赖性；本发明通过使用原形聚类的原理，实现在可获取的样本数极少的条件下，获取信号的有效特征，摆脱了传统机器学习方法对庞大数据量的依赖性；本发明过使用迁移学习的原理，借助相关但具有不同特征分布的源域数据，进一步提高网络的泛化能力；本发明通过结合深度卷积神经网络、原形网络以及迁移学习思想，能够有效地在小样本数据下对机械设备进行故障诊断，提高了小样本数据下对机械设备故障诊断的准确率。