基于迁移学习的钢丝绳断丝定量检测方法EI北大核心CSCD

针对目前钢丝绳断丝定量检测的问题,利用深度卷积神经网络强大的特征提取能力,提出一种基于迁移学习的钢丝绳断丝定量识别方法。通过连续小波变换将原始断丝漏磁信号转换成时频图。将预训练网络GoogLeNet的低层参数直接迁移,使用标记好的时频图对网络高层进行参数调整,得到最终的目标模型。通过内外部断丝试验验证了所提出的定量识别模型的效果,将传统的BP(back propagation)神经网络与所提出的方法进行对比。结果表明:基于迁移学习的断丝定量识别方法能准确区分钢丝绳的内外部断丝故障,分类准确率达到了97.2%;与传统BP神经网络相比,所提出的方法对各种断丝具有更好的识别性能。