迁移学习在故障诊断中的论文阅读笔记
文章平均质量分 81
记录故障诊断方向论文
没有头发的小白
这个作者很懒,什么都没留下…
展开
-
Fault Description Based Attribute Transfer for Zero-Sample Industrial Fault Diagnosis
基于故障描述的零样本工业故障诊断摘要针对模型训练中没有目标故障样本的具有挑战性的故障诊断问题进行了研究。这种情况很少在工业研究中被研究。但是,对于目标故障,大量的故障样本不可用是一个普遍存在的问题,这限制了传统的数据驱动方法在实际应用中的成功。在这里,我们将零样本学习的思想引入到工业领域,并提出了基于故障描述的属性转移方法来解决零样本故障诊断问题。具体来说,该方法学习使用人为定义的故障描述来确定故障类别,而不是采集故障样本。定义的描述由故障的任意属性组成,包括故障的位置、故障的后果、甚至故障的原因等。原创 2022-01-07 09:53:58 · 1893 阅读 · 0 评论 -
基于动态模型和迁移学习的滚动轴承滚道故障智能诊断框架:解决小样本问题
A new dynamic model and transfer learning based intelligent fault diagnosis framework for rolling element bearings race faults: Solving the small sample problem摘要小样本学习策略动态模型的建立摘要近年来,随着人工智能技术的发展,滚动轴承的智能故障诊断越来越受到关注。许多智能诊断方法都需要被诊断对象的大量历史数据。然而,在真实的诊断场景中,很难提原创 2021-09-10 10:53:30 · 2056 阅读 · 0 评论 -
A new deep transfer learning network based on convolutional auto-encoder for mechanical fault diagno
基于卷积自编码器的机械故障诊断深度迁移学习网络摘要CAE去噪不同噪声下准确率比较各模型得到的T-SNE映射三级目录摘要深度学习在旋转机械故障智能诊断方面取得了很大的成就。但在实际工程中,标记数据较少,且不同条件下数据的边际分布不一致。迁移学习为克服这些困难提供了可行的途径。考虑噪声对迁移故障诊断的影响,提出了一种新的基于卷积自编码的深度迁移学习网络(CAE-DTLN),实现无标记数据的目标域机械故障诊断。在该框架中,采用CAE作为特征提取器,因为它具有去除噪声的能力。同时,将相关对齐损失和域分类损失结原创 2021-09-10 10:35:53 · 528 阅读 · 0 评论 -
2021-06-21基于深度学习的智能机械故障诊断的部分域适应方法阅读笔记
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录基于深度学习的智能机械故障诊断的部分域适应方法一、提出的方法二、网络优化1.源域监督损失2.读入数据总结基于深度学习的智能机械故障诊断的部分域适应方法无监督的目标域训练数据不会涵盖全机健康状态标签空间。故提出部分域自适应的方法。提出了条件数据对齐和无监督的预测一致性方案来实现部分域适应。部分域适应问题适应于实际工业场景,其中可用的无监督的目标域数据仅涵盖所有有关健康状况的子集。 通过最小化域之间的最大平均差异来实现条件数原创 2021-06-21 20:22:24 · 1490 阅读 · 1 评论