摘 要: | 针对实际工况下旋转机械故障样本稀缺,传统深度学习方法在小样本情况下出现欠拟合的问题,提出一种基于孪生网络(siamese network)的旋转机械故障诊断方法。首先,对有限的故障样本进行交叉配对,构造相同类别与不同类别的故障输入样本,实现对数据样本量的大幅扩容;然后,针对小样本问题构造了包含两个子模型的孪生网络,其中子模型由卷积神经网络与自注意力机制构建而成,通过计算样本之间的欧式距离得到相似度参数;最后,将相似度参数输入自建损失函数和故障分类器实现故障识别。实验证明,所以提出的网络能够依靠少量样本完成故障诊断,在样本数量相同的情况下,故障识别准确率显著高于其他深度学习模型。
|