首页|变工况下采煤机故障诊断的迁移学习方法

变工况下采煤机故障诊断的迁移学习方法

Transfer Learning Method for Shearer Fault Diagnosis under Variable Working Conditions

扫码查看
原文链接
  • 维普
  • 万方数据
针对采煤机故障诊断过程中有效故障样本不足问题,提出变工况下采煤机故障诊断的迁移学习方法.对原始振动信号作小波变换得到时频图,利用图像增强原理凸显故障的时频特征,并对图像进行归一化后组成故障样本;利用大量不同工况下的现有故障数据组成源域数据,对卷积神经网络进行训练,以初步获取故障诊断模型;将训练后的模型迁移至采煤机故障诊断实验台,以最大均值差异(MMD)作为优化指标,利用实验台中的样本继续训练模型,实现权值微调.结果表明:振动信号经小波变换和图像增强处理后,能有效凸显故障特征;利用实验台小样本微调权值,能有效实现采煤机故障诊断的模型迁移.

包从望、江伟、刘永志、张彩红

展开 >

六盘水师范学院矿业与土木工程学院,贵州六盘水553000

采煤机 故障诊断 深度学习 卷积神经网络 迁移学习

黔教合KY字[2020]11752020-2019-05-12黔教合协同创新字[2016]02LPSSYKJTD201802

2022

10.3969/j.issn.1001-3881.2022.18.033

机床与液压
中国机械工程学会 广州机械科学研究院有限公司

机床与液压

CSTPCD北大核心
影响因子：0.32
ISSN：1001-3881
年,卷(期)：2022.50(18)
  • 3
  • 4