基于迁移学习的异步电机故障诊断

针对异步电机故障诊断中，故障数据样本少导致传统深度神经网络模型泛化能力差的问题，提出一种异构迁移学习的异步电机故障诊断算法。首先，通过仿真平台模拟异步电机故障，以解决故障数据样本少的问题；其次，对正常和故障状态下的电流电压信号进行小波变换，作为深度学习网络的输入；然后，基于多核最大平均差异方法，获得仿真数据和实测数据的深度特征差异，对深度学习神经网络参数微调，使其深度学习特征具有跨域不变性。最终，在实验平台上验证文中所提算法，实验结果表明，该算法的故障诊断准确率高，依赖实测故障数据样本少。