基于大数据深度迁移模型的机械故障诊断

作     者：曾德贵 赵建明 ZENG De-gui;ZHAO Jian-ming

作者机构：广安职业技术学院电子与信息工程学院四川广安638000 电子科技大学电子科学与工程学院成都610054 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2020年第9期

页      面：90-94页

学科分类：12[管理学] 080503[工学-材料加工工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：教育部科技中心基金项目:“天诚汇智”创新促教基金(2018B01005) 

主　　题：机械大数据 故障诊断 深度学习 迁移学习 G-Mean指标 

摘      要：针对现有机械故障诊断方法在小样本条件下检测率低的不足,提出一种基于深度迁移学习模型的机械大数据故障诊断方法研究。构建深度学习模型,计算模型的稀疏特性和分类错误率指标,并基于此提取机械大数据的故障特征类型;针对实际检测中有效样本较少的不足,利用迁移学习方法将实验数据用于辅助机械故障特征大数据的训练与测试,不断地调整输出结果并提高对故障点的定位与诊断精度。实验结果表明,提出诊断方法的G-Mean指标优于现有方法,在故障比为1:1000的条件下,故障查准率仍可达到96.34%。