来源：期刊VIP网 时间：
作者：杨小青;王志俊;
单位：山西工程科技职业大学计算机工程学院;
摘要：为了提高旋转机械在异源样本下的跨域故障诊断准确率，提出了基于参数迁移卷积神经网络的故障诊断方法。从空间映射的角度描述了旋转机械故障诊断问题，并采用数据增强技术解决了故障样本不足的问题。针对变工况导致的样本异源跨域问题，基于参数迁移的思想设计了迁移批归一化模块；针对深层网络训练时的梯度消失问题，基于残差结构的思想设计了残差模块；将批归一化模块和残差模块嵌入到卷积神经网络中，得到了参数迁移卷积神经网络，并制定了故障诊断流程。经实验验证，带残差结构的DCNN1网络诊断精度为98.67%，比无残差结构的DCNN2网络高9.34%，且DCNN1网络的训练速度更快。在异源样本条件下，DCNN-TL网络的诊断准确率为99.55%，比分布适配法高7.22%，比传统DCNN网络高12.55%。实验结果表明，参数迁移卷积神经网络在异源样本条件下具有更高诊断准确率。
关键词：参数迁移;;卷积神经网络;;残差模块;;异源样本;;跨域故障诊断
基金资助：2022年度山西省教育科学“十四五”规划课题(GH-220625)
