一种基于双级梯度权重自适应优化的多任务学习智能故障诊断方法

摘要

本发明公开了一种基于双级梯度权重自适应优化的多任务学习智能故障诊断方法，包括：一、多任务损失加权与模型参数更新；二、基于双级梯度的权重优化；三、基于先验约束的权重调整；四、多任务智能故障诊断。本发明针对多任务智能故障诊断中多任务权重的分配问题，提出了模型参数与任务权重联合优化机制，通过任务级、层级梯度完成任务权重的稳定协同优化，进而通过先验约束完成优化权重的针对性调整，实现了训练过程中多任务权重的动态、自适应分配，以此提升了多任务信息融合的完备性以及智能故障诊断的准确性。本发明提出的多任务学习智能诊断方法不依赖特定模型架构，具有良好的可扩展性，在多任务故障诊断场景下具有较高的适用性与应用价值。