基于二级排序元学习算法的轴承智能故障诊断

面对不同轴承故障数据集,由于小样本及不同数据集分布存在差异,导致模型在跨数据集诊断中精度不高。受人类学习过程启发,提出基于二级排序元学习算法对跨数据集的轴承故障诊断。首先对两个不同数据集进行第一级排序,将其对应为简单数据集和复杂数据集;其次把简单数据集分为元训练集和元测试集,仅对元训练集的所有任务进行第二级排序,再用少量元测试集的数据对二级排序后的模型进行微调,完成对简单数据集的故障诊断;最后用少量复杂数据集的数据对二级排序后的模型进行微调,完成对复杂数据集的故障诊断,实现跨数据集故障诊断。试验证明,与其他模型相比,该模型在轴承的小样本数据集及跨数据集上的分类结果表现更优异。