基于元迁移学习的复杂工况下的旋转机械故障诊断方法

摘要

基于元迁移学习的复杂工况下的旋转机械故障诊断方法，采集不同状态下机械设备原始传感器信号，并制作图像数据集；将数据集划分成训练集、验证集；选择深层卷积网络作为预训练模型，在ImageNet上完成训练学习；采用元学习方法对迁移学习中存在的参数迁移参数初始化问题进行改进，分别得到针对多源域和半监督域自适应问题的参数初始化优化方法；利用VGG‑16网络参数并采用元学习优化方法初始化Meta‑TCNN故障诊断模型；对Meta‑TCNN参数采用微调策略进行更新；使用训练集对Meta‑TCNN模型进行训练；直至最终分类正确率不再有明显提升时，终止训练；用验证集对完成训练的Meta‑TCNN模型进行验证，将参数优化完全的模型应用到故障诊断的任务中。本发明增加了故障诊断方法的适用范围且降低了成本。