基于预训练卷积网络的迁移学习故障诊断方法

摘要

基于深度学习的故障诊断研究中,将一个具有多个隐含层的深度网络训练到较高的精度不但需要足够多的训练数据而且将耗费大量的时间,针对此问题,提出一种基于预训练卷积神经网络的深度迁移学习方法,能够实现高准确度的机械故障诊断.根据迁移学习思想,利用在自然图像识别领域具有较高识别精度的预训练深层卷积神经网络对机械振动信号进行低层特征学习,再通过参数微调策略对神经网络的高层进行优化从而实现对机械故障的准确识别.深层的网络结构可以提取更为抽象且利于分类的特征信息,预训练神经网络的使用可以提高模型的收敛速度.实验结果表明,与已有的深度学习方法相比,该方法具有更快的模型训练速度以及更高的故障识别准确度.