【技术实现步骤摘要】
本专利技术属于机械故障诊断领域，涉及一种滚动轴承故障诊断方法，具体涉及一种基于孪生多尺度残差网络的滚动轴承小样本故障诊断方法。
技术介绍
1、滚动轴承广泛用于燃气轮机、风力发电机组等机械设备中，被称为“工业关节”，对滚动轴承进行有效的故障诊断对于保证机械设备的可靠性和安全性至关重要。滚动轴承实际运行过程中的负载和转速等工作状态复杂多变，部分诊断数据难以获取，导致滚动轴承故障诊断存在难度大、准确率低的问题。因此，研究如何建立高精度智能诊断模型解决滚动轴承故障数据缺失的小样本问题具有重大研究意义。
2、随着深度学习的发展，迁移学习在解决小样本问题方面显示出更大的优势。深度迁移学习方法能有效地提取源域和目标域的共同特征，针对单个目标训练数据训练一个具有高泛化能力的机器学习模型，充分利用与目标领域不同但相关的辅助数据来提高智能故障诊断模型的诊断精度。张西宁等人提出了基于迁移学习的小样本轴承故障诊断方法，通过将模型在源域上学习到的知识迁移至目标域，在少量目标数据的情况下也能取得很高的诊断准确率。王琦等人提出了一种基于一维cnn的深度迁...
【技术保护点】
1.一种基于孪生多尺度残差网络的滚动轴承小样本故障诊断方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于SMRN的滚动轴承诊断模型构建方法，其特征在于所述步骤一的具体步骤如下：
3.根据权利要求2所述的基于SMRN的滚动轴承诊断模型构建方法，其特征在于所述步骤一三的具体步骤如下：
4.根据权利要求2所述的基于SMRN的滚动轴承诊断模型构建方法，其特征在于所述采用交叉熵函数计算损失值的公式为：
5.根据权利要求1所述的基于孪生多尺度残差网络的滚动轴承小样本故障诊断，其特征在于所述步骤二的具体步骤如下：
【技术特征摘要】
1.一种基于孪生多尺度残差网络的滚动轴承小样本故障诊断方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于smrn的滚动轴承诊断模型构建方法，其特征在于所述步骤一的具体步骤如下：
3.根据权利要求2所述的基于smrn的滚动轴承诊断模型构建方法，其...
【专利技术属性】
技术研发人员：王亚萍，卢凯庭，魏雪冰，范宇琪，王金宝，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。