Scidown文献预览系统!
基于元学习的复杂工况下轴承故障诊断( Meta-Learning for Few-Shot Bearing Fault Diagnosis under Complex Working Conditions )
C Li S Li A Zhang Q He
基于深度学习的轴承故障诊断近年来得到了系统的研究。然而,大多数这些方法的成功严重依赖于海量的标记数据,而这些数据在真实的生产环境中并不总是可用的。在有限的数据下训练一个鲁棒的轴承故障诊断模型并在复杂的工况下良好地工作仍然是一个挑战。针对这一问题,本文提出了一种基于模型不可知元学习的元学习故障诊断方法(MLFD)。首先将不同工况的原始信号转换成时频图像,然后根据元学习的协议对其进行随机采样,形成用于MLFD的任务。MLFD模型在元训练过程中通过基于已知工况的多个故障分类任务优化初始化参数来获取先验知识,并利用所学知识实现不可见工况下快速准确的少炮点轴承故障诊断。为了全面评价该方法的性能,以西储大学轴承故障基准为例,进行了一系列模拟不同工业场景的实验,结果表明了MLFD在解决复杂工况下的少炮故障分类问题上的优越性。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】