一种改进原型网络的小样本轴承故障诊断方法

摘要：

在原型网络小样本故障诊断中,由于故障样本少并且易受异常值的影响,导致所得类原型准确性不是很好.为了提高故障原型表示的准确性,提出一种改进原型网络的小样本故障诊断方法,通过引入辅助分类任务提取更具鲁棒性的特征,提高提取特征的区分能力.另外,利用查询集样本进一步优化类原型,提高类原型对故障轴承的表示能力.为验证所提方法的有效性,设置K取不同值,在滚动轴承数据集上进行C-way K-shot故障诊断试验.试验结果表明,改进原型网络所得类原型具有更好的区分性与准确性.在10-way 5-shot试验中,所提方法相较传统原型网络准确率提高了 5.1％.

关键词：故障诊断、小样本学习、原型网络、辅助任务

所属期刊栏目：42

分类号：TH133.3

资助基金：国家自然科学基金;国家自然科学基金;石家庄铁道大学研究生创新资助项目

在线出版日期：2023-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：214-221