典型文献
变工况下采煤机故障诊断的迁移学习方法
文献摘要：
针对采煤机故障诊断过程中有效故障样本不足问题,提出变工况下采煤机故障诊断的迁移学习方法.对原始振动信号作小波变换得到时频图,利用图像增强原理凸显故障的时频特征,并对图像进行归一化后组成故障样本;利用大量不同工况下的现有故障数据组成源域数据,对卷积神经网络进行训练,以初步获取故障诊断模型;将训练后的模型迁移至采煤机故障诊断实验台,以最大均值差异(MMD)作为优化指标,利用实验台中的样本继续训练模型,实现权值微调.结果表明:振动信号经小波变换和图像增强处理后,能有效凸显故障特征;利用实验台小样本微调权值,能有效实现采煤机故障诊断的模型迁移.
文献关键词：
采煤机;故障诊断;深度学习;卷积神经网络;迁移学习
中图分类号：
作者姓名：
包从望;江伟;刘永志;张彩红
作者机构：
六盘水师范学院矿业与土木工程学院,贵州六盘水553000
文献出处：
引用格式：
[1]包从望;江伟;刘永志;张彩红-.变工况下采煤机故障诊断的迁移学习方法)[J].机床与液压,2022(18):176-182
A类：
B类：
变工况,采煤机,迁移学习方法,诊断过程,不足问题,振动信号,小波变换,时频图,时频特征,不同工况,故障数据,源域,故障诊断模型,模型迁移,移至,诊断实验,实验台,最大均值差异,MMD,优化指标,训练模型,权值,微调,和图像,图像增强处理,故障特征,小样本
AB值：
0.317556
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
