机床与液压

作者：曾魁魁，郑直，姜万录，冯立艳

单位：华北理工大学机械工程学院；华北理工大学机械工程学院；燕山大学，河北省重型机械流体动力传输与控制重点实验室;燕山大学，先进锻压成形技术与科学教育部重点实验室；华北理工大学机械工程学院

关键词：多任务学习;元学习;轻量化;零样本;故障诊断

基金：河北省自然科学基金资助项目(E2022209086)；国家自然科学基金项目(52275067)；河北省高层次人才项目(B2020003033)；唐山市科技创新团队培养计划项目(21130208D)；河北省科技重大专项项目(22282203Z)

多任务学习网络结构和参数冗余、网络规模过大，导致网络实时性差的问题；无法获取元件的部分或者全部故障类型样本，导致零样本问题。针对上述问题，提出一种基于元学习优化的轻量化多任务学习网络。为了提高实时性，利用MobileNetV3轻量化网络构建具有多个子任务诊断网络的轻量化多任务学习网络模型；研究了跨元件零样本问题，利用模型无关(MAML)元学习方法，对轻量化多任务学习网络的训练方式进行优化，构建基于元学习优化的轻量化多任务学习网络；最后，从不同微调步数和测试任务数角度，测试了所提网络的诊断性能。通过齿轮和轴承多元件的实测故障分析可知，所提方法可以实时高精度地解决多任务故障诊断问题和跨元件零样本问题。

来源：2023年第23期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第23期