小样本下基于特征融合的FFCNN-SVM迁移学习故障诊断方法.pdfVIP

下载本文档

0
0
约7.38千字
约 9页
2023-04-21 发布于北京
举报
版权申诉

小样本下基于特征融合的FFCNN-SVM迁移学习故障诊断方法.pdf

1、本文档共9页，其中可免费阅读8页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种小样本下基于特征融合的FFCNN‑SVM迁移学习故障诊断方法。本发明中通过迁移学习中模型迁移的方法，将源域中成熟模型迁移至目标域中，构成目标域的初步模型。之后利用卷积层能够提取图片特征的特性，在初步模型上增加卷积层，之后利用目标域所提供的少量稀缺样本数据训练这个初步模型，待拟合后构成目标域浅层模型。之后利用SVM来替代CNN的全连接层，起到分类的效果。通过轴承故障数据集，能够很好的验证该方法的故障诊断新能。通过实验结果表明，本专利所提出的方法与其他迁移学习方法相比具有较好的故障诊

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113887586 A (43)申请公布日 2022.01.04 (21)申请号 202111089878.3 (22)申请日 2021.09.17 (71)申请人杭州电子科技大学地址