科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对微机电系统(MEMS)惯性传感器温度诱导故障诊断任务，提出了一种基于最大平均差异(MMD)迁移学习的故障诊断方法，解决了离线样本充足而在线故障样本不足情况下的在线故障诊断问题。将MEMS惯性传感器在线故障诊断的问题转化为一个深度迁移学习问题，其中具有完整标签的离线样本作为迁移学习的源域，在线条件下的样本作为目标域；设计了基于多尺度卷积神经网络的故障模式识别方法；提出了一种基于MMD的迁移学习方法，将基于源域样本训练的模型迁移到目标域中，该方法采取了一种基于源域与目标域差异分析的半监督学习策略，使模型在目标域上获得满意的故障诊断性能。实验表明，提出的故障诊断方法较其他基于迁移学习的故障诊断方法在MEMS惯性传感器故障诊断任务中具有更好性能。
- 出版日期2023
- 单位北京航空航天大学
