论文摘要
针对滚动轴承诊断中难以获得大量故障样本的问题,拟结合迁移学习的思想,提出了一种基于迁移学习的多变量预测模型(TVPMCD)方法。该方法首先采用已知样本库建立基础变量预测模型(BVPM);然后利用少量的目标域已知样本更新基础变量预测模型,使得更新的基础变量预测模型能兼顾目标域已知样本的信息;同时,以目标域已知样本的判别误差最小为目标,剔除已知样本库中误识样本,建立迁移变量预测模型(简称TVPM);最后利用迁移变量预测模型对待测样本进行识别,从而可以有效地解决小样本的故障诊断问题。对滚动轴承数据的分析结果表明,适合于小样本的TVPMCD模式识别方法可以更快更准确地识别滚动轴承故障类型。
论文目录
文章来源
类型: 期刊论文
作者: 陈淑英,王利群
关键词: 迁移学习,滚动轴承,故障诊断
来源: 电子测量与仪器学报 2019年03期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业
单位: 包头轻工职业技术学院,内蒙古工业大学机械学院
基金: 内蒙古自治区自然科学基金(2017MS0432),内蒙古自治区应用技术研究与开发资金计划(20120311)资助项目
分类号: TH133.33
DOI: 10.13382/j.jemi.B1801810
页码: 93-98
总页数: 6
文件大小: 138K
下载量: 181