基于銳度感知增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)的變工況機(jī)械故障診斷

摘要： 傳統(tǒng)的深度遷移學(xué)習(xí)網(wǎng)絡(luò)從有標(biāo)簽的源域故障數(shù)據(jù)中學(xué)習(xí)并遷移知識(shí)，完成無標(biāo)簽?zāi)繕?biāo)域上的診斷任務(wù)，有效解決了機(jī)械故障診斷中變工況場(chǎng)景面臨的數(shù)據(jù)特征空間非對(duì)稱問題。然而其知識(shí)遷移模塊加劇了深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，導(dǎo)致其損失函數(shù)的地貌特征比淺層網(wǎng)絡(luò)復(fù)雜得多，優(yōu)化難度更高。傳統(tǒng)方法無法感知損失函數(shù)的地貌特征，容易使模型參數(shù)陷入?yún)?shù)泛化間隙大的局部最小值處，導(dǎo)致模型泛化性差，診斷精度降低。... （共10頁）