少样本下基于元学习的柱塞泵故障诊断方法OA
针对柱塞泵故障样本少、在噪声干扰下故障信号微弱及传统深度学习依赖大量训练样本的问题,提出了一种基于模型不可知元学习(MAML)的少样本柱塞泵故障诊断方法。首先,利用改进的带自适应噪声的完全集成经验模态分解(ICEEMDAN)方法来分解采集到的一维振动信号,得到本征模态函数的IMF分量,并筛选故障信息丰富的敏感分量以增强振动信号中的特征信息。其次,建立了多通道一维卷积模型,该模型构建了一个具有高效通道注意力机制的通道交互特征编码器,旨在关注不同通道…查看全部>>
胡宏俊;杨喜旺;黄晋英
中北大学计算机科学与技术学院,山西太原030051中北大学计算机科学与技术学院,山西太原030051中北大学机械工程学院,山西太原030051
机械工程
模型不可知元学习少样本注意力机制柱塞泵
《中北大学学报（自然科学版）》 2024 (5)
P.592-600,9
山西省回国留学人员科研教研资助项目(2022-141)山西省基础研究计划资助项目(202203021211096)山西省创新项目(2023KY600)。
评论