科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于深度领域自适应的振动数据故障分类方法,包括：构建含有大量样本数据的源域和含有少量样本数据的目标域；利用源域中的样本数据构建一个分类器；根据源域和目标域中的不同领域下的样本数据构造配对样本；构建一个孪生网络,将配对样本作为训练样本输入到所述孪生网络中进行领域适配,并得到配对样本的最终损失函数；对最终损失函数进行优化,并得到训练完成后的故障分类模型。本发明解决了现有的深度网络模型在故障样本数据不足条件下诊断效果差的问题,将深度学习和迁移学习中的领域自适应方法相结合,最大化地利用已有数据,提高了模型的泛化能力,从而获得更好的分类准确度。
- 出版日期2018-12-19
- 单位合肥工业大学
