计算机应用

作者：张剑, 程培源, 邵思羽

单位：1.空军工程大学 研究生院，西安 710051；2.空军工程大学 防空反导学院，西安 710051

关键词：残差卷积自编码网络,类自适应,旋转机械故障诊断,小样本,最大均值差异

基金：陕西省自然科学基础研究计划项目(2020JQ-475)

针对旋转机械传感器信号样本有限影响深层网络模型训练学习的问题，提出一种结合改进残差卷积自编码网络与类自适应方法的故障诊断模型应对小样本数据。首先将少量已标记的源域数据和目标域数据创建为成对样本，并设计一种改进的一维残差卷积自编码网络对两种不同分布的原始振动信号进行特征提取；其次，利用最大均值差异（MMD）减小分布差异，并将两个域同一故障类别的数据空间映射到一个共同的特征空间，最终实现准确的故障诊断。实验结果表明，与微调、域自适应等方法相比，所提模型能够有效提高不同工况、微量已标记的目标域振动数据下的故障诊断准确率。

来源：2022年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第8期