针对民机机械部件故障样本缺乏且类不平衡以及故障信号复杂多样导致的故障诊断精度低,识别不稳定的问题,提出基于增强元学习与通道注意力机制(learn to reweight with SE-1DleNet,LRS)的故障诊断方法。利用小样本平衡验证集指导了不平...针对民机机械部件故障样本缺乏且类不平衡以及故障信号复杂多样导致的故障诊断精度低,识别不稳定的问题,提出基于增强元学习与通道注意力机制(learn to reweight with SE-1DleNet,LRS)的故障诊断方法。利用小样本平衡验证集指导了不平衡训练集的损失权重更新以改善原始不均衡样本分布,提出元梯度增强的梯度裁剪策略;在1D-LeNet的基础上引入SE注意力机制对多维度故障特征通道自适应加权。结果表明:以民机大梁和机械轴承故障作为仿真试验数据集,与当前主流的故障诊断算法ProtoNet、DNCNN、GAN-CNN等相比,该方法诊断效果最优,在样本极端不平衡时准确率达95%以上,能够进行准确故障诊断。展开更多
基于深度迁移学习优化的民机故障诊断模型有效解决变工况民机故障诊断任务,进而保障民机部件在复杂工况下的故障诊断任务需求。然而,民机的高安全性需求造成设备故障样本稀缺,进而导致变工况故障诊断任务的高置信度故障样本严重不足且...基于深度迁移学习优化的民机故障诊断模型有效解决变工况民机故障诊断任务,进而保障民机部件在复杂工况下的故障诊断任务需求。然而,民机的高安全性需求造成设备故障样本稀缺,进而导致变工况故障诊断任务的高置信度故障样本严重不足且影响故障模型推断。针对上述研究短板,提出了基于条件扩散的故障诊断算法(condition diffusion based fault diagnosis,CDFD)。首先,结合去噪扩散生成模型对有限的高置信度故障样本进行条件生成增广,解决因样本缺失导致的模型过拟合。同时,针对现有条件扩散技术仅关注样本的条件分布推断的短板,联合考虑故障样本的生成与决策进行耦合优化,有效保障故障样本的生成质量,进而显著提升故障诊断模型的决策泛化能力。试验环节分别在仿真与真实故障数据上进行试验验证,论证了所提出算法在解决真实民机故障任务的高效性。展开更多
文摘针对民机机械部件故障样本缺乏且类不平衡以及故障信号复杂多样导致的故障诊断精度低,识别不稳定的问题,提出基于增强元学习与通道注意力机制(learn to reweight with SE-1DleNet,LRS)的故障诊断方法。利用小样本平衡验证集指导了不平衡训练集的损失权重更新以改善原始不均衡样本分布,提出元梯度增强的梯度裁剪策略;在1D-LeNet的基础上引入SE注意力机制对多维度故障特征通道自适应加权。结果表明:以民机大梁和机械轴承故障作为仿真试验数据集,与当前主流的故障诊断算法ProtoNet、DNCNN、GAN-CNN等相比,该方法诊断效果最优,在样本极端不平衡时准确率达95%以上,能够进行准确故障诊断。
文摘基于深度迁移学习优化的民机故障诊断模型有效解决变工况民机故障诊断任务,进而保障民机部件在复杂工况下的故障诊断任务需求。然而,民机的高安全性需求造成设备故障样本稀缺,进而导致变工况故障诊断任务的高置信度故障样本严重不足且影响故障模型推断。针对上述研究短板,提出了基于条件扩散的故障诊断算法(condition diffusion based fault diagnosis,CDFD)。首先,结合去噪扩散生成模型对有限的高置信度故障样本进行条件生成增广,解决因样本缺失导致的模型过拟合。同时,针对现有条件扩散技术仅关注样本的条件分布推断的短板,联合考虑故障样本的生成与决策进行耦合优化,有效保障故障样本的生成质量,进而显著提升故障诊断模型的决策泛化能力。试验环节分别在仿真与真实故障数据上进行试验验证,论证了所提出算法在解决真实民机故障任务的高效性。
