文档名：基于预训练卷积网络的迁移学习故障诊断方法
基于深度学习的故障诊断研究中,将一个具有多个隐含层的深度网络训练到较高的精度不但需要足够多的训练数据而且将耗费大量的时间,针对此问题,提出一种基于预训练卷积神经网络的深度迁移学习方法,能够实现高准确度的机械故障诊断.根据迁移学习思想,利用在自然图像识别领域具有较高识别精度的预训练深层卷积神经网络对机械振动信号进行低层特征学习,再通过参数微调策略对神经网络的高层进行优化从而实现对机械故障的准确识别.深层的网络结构可以提取更为抽象且利于分类的特征信息,预训练神经网络的使用可以提高模型的收敛速度.实验结果表明,与已有的深度学习方法相比,该方法具有更快的模型训练速度以及更高的故障识别准确度.
作者：邵思羽严如强
作者单位：东南大学仪器科学与工程学院,南京210096
母体文献：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集
会议名称：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议
会议时间：2018年8月1日
会议地点：内蒙古包头
主办单位：中国机械工程学会,中国振动工程学会,中国设备管理协会
语种：chi
分类号：
关键词：机械故障诊断 迁移学习 深度学习 预训练卷积网络
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 581.16 KB
- 下载次数:
- 60
-
高速下载
|
|
