一种基于多样化集成卷积神经网络的机械故障预测方法

摘要

本发明提供一种基于多样化集成卷积神经网络的机械故障预测方法，包括一以下步骤：数据预处理；构造基于多样性指标的集成深度学习故障预测模型；训练基于多样性指标的集成深度学习故障预测模型。本发明通过设定该模型的学习率为循环余弦学习率机制，使其能在训练过程中多次逼近局部最优值后，通过热重启实现继续搜索，同时在训练模型阶段，构造多样性指标和多样性损失函数，促使该模型发现与原有局部最优值差异化更大的新局部最优值。最后对所有局部最优值的卷积神经网络模型进行集成。本发明的有益效果是：该方法提高了故障预测的精度及效率，且适用性较好，有利于在实际应用中推广使用。