時(shí)變小樣本條件下基于對比學(xué)習(xí)的故障診斷

摘要： 時(shí)變工況下的故障診斷往往具有高度動態(tài)性，而小樣本下模型學(xué)習(xí)受限使得問題更加棘手。針對上述情況，提出了基于對比深度卷積網(wǎng)絡(luò)的故障診斷方法：首先，針對數(shù)據(jù)樣本量小的特點(diǎn)，利用速度變化引起的振動數(shù)據(jù)分布差異，無需進(jìn)行人工操作自然實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)；然后，在數(shù)據(jù)處理過程中，采用不同轉(zhuǎn)速下相同健康狀態(tài)的振動數(shù)據(jù)作為正樣本，同時(shí)將不同健康狀態(tài)下的振動數(shù)據(jù)作為負(fù)樣本，通過比較樣本之間的相似度來提取... （共11頁）