买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨理工大学

摘要：一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法，涉及滚动轴承故障分类技术领域，用以解决深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题。本发明的技术要点包括：以循环扩展的方式建立宽度学习系统BLS的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域训练样本微调网络建立状态分类模型。本发明方法可以在更短的时间内建立分类模型并获得良好的分类准确率，适用于不同负载下滚动轴承故障状态的快速分类。

主权项：1.一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法，其特征在于，包括以下步骤：步骤一、获取负载A下滚动轴承时域振动信号作为源域数据，负载B下滚动轴承时域振动信号作为目标域数据；步骤二、对所述源域数据和所述目标域数据进行预处理；步骤三、将预处理后的源域数据输入基于改进宽度学习系统的源域预训练模型进行训练，获取源域预训练模型参数；所述源域预训练模型参数包括宽度学习系统网络中每个特征节点窗口中的特征节点数量N1、特征节点窗口数量N2、每个增强节点窗口中的增强节点的数量N3、增强节点窗口数量N4，以及特征层权重参数We与增强层权重参数Wh；其中，结合遗传算法GA自适应确定基于改进宽度学习系统的源域预训练模型网络节点结构，具体步骤包括：步骤三一、初始化GA：对种群大小、交叉概率、变异概率、染色体编码方式、下一代种群选择方式以及算法的迭代停止条件进行设置；步骤三二、定义搜索空间：源域预训练模型参数中N1、N2、N3和N4构成GA的搜索空间；步骤三三、获得GA种群中个体的适应度值：源域训练样本通过特征层权重参数We和线性激活函数得到映射特征，根据映射特征通过增强层权重参数Wh和Maxout激活函数得到增强特征，映射特征和增强特征共同作为基于改进宽度学习系统的源域预训练模型输出层的输入，利用岭回归算法计算源域预训练模型输出层权重W，得到分类准确率；步骤三四、比较种群中个体的适应度值，根据GA初始化参数得到下一代种群；步骤三五、判断是否达到迭代停止条件，若是，则获得源域预训练模型，若否，重复步骤三三～步骤三五；步骤三六、将源域测试样本输入到源域预训练模型，验证源域预训练模型；步骤四、将源域预训练模型参数迁移至基于改进宽度学习系统的目标域网络，作为初始网络参数；并将预处理后的目标域数据输入基于改进宽度学习系统的目标域网络进行训练，获取滚动轴承状态分类模型；步骤五、将经过预处理的待分类滚动轴承数据输入所述滚动轴承状态分类模型，获得滚动轴承状态分类结果。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法