Abstract: T. Yang, T. Tang, J. Wang, C. Qiu, M. Chen (2022)

In real industrial scenarios, the working conditions of mechanical equipment are always highly variable and the amount of data that can be collected is limited, which renders a severe challenge to most existing deep learning-based intelligent fault diagnosis methods. To overcome the problem of fault diagnosis under varying working conditions and limited data, we develop a novel cross-domain diagnosis method based on model agnostic meta-learning (MAML). Firstly, a data preprocessing method based on Fourier transform and recurrence plot (FT-RP) is performed to obtain domain-independent input data. Then, the construction strategy of meta-task in cross-domain diagnosis is summarized according to the characteristics of mechanical devices with many working conditions but few fault categories. Meanwhile, the training strategy of MAML is optimized to adapt to the cross-domain problem, and the residual shrinkage network and the large-margin Gaussian Mixture (L-GM) loss are applied to improve the classification accuracy of the model. Ultimately, the effectiveness of the proposed method is demonstrated by three case studies with excellent accuracy and generalization performance for fault classification tasks under new conditions after learning prior knowledge in known conditions. It is also concluded that the performance of the model can be improved by adding data from other working conditions or other datasets to the meta-training task.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

A novel cross-domain fault diagnosis method based on model agnostic meta-learning