基于神经网络和模型迁移学习的不相关多源频域载荷识别

来源：计算机集成制造系统杂志2021年第10期北京时间：

作者：陈德蕾,王成,曾煜,李海波,赖雄鸣,陈叶旺

单位：1.华侨大学计算机科学与技术学院2.厦门市企业互操作与商务智能工程技术研究中心3.华侨大学 机电及自动化学院

摘要：针对使用模型初始权重随机设定的神经网络模型进行不相关多源频域载荷识别时训练效率低、精度低的问题,提出一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法。首先,利用某频率点的历史数据对不相关多源载荷识别的多输入多输出神经网络模型进行训练;其次,将该频率下的神经网络的模型参数迁移到相邻的目标频域的神经网络中作为网络权值的初值;再次,利用目标频率的历史数据对神经网络进行微调训练,从而得到目标频率的不相关多源频域载荷识别模型;最后,将该频率的训练好的神经网络的模型参数迁移到下一个相邻频率的模型,循环该过程直到建立所有频率点的神经网络模型。在圆柱壳声振实验数据集上的载荷识别结果表明,该方法具有较好的网络权值初值、能有效减少训练时间,比不使用迁移学习的神经网络方法、基于传递函数和最小二乘广义逆的方法、基于多元一次线性回归的方法具有更高的识别精度。

关键词：不相关多源载荷识别,频域,多输入多输出神经网络,模型迁移学习,网络权值

基金资助：国家自然科学基金资助项目(61502181,71571056);国家自然科学基金青年资助项目(51305142,51305143);中国博士后科学基金资助项目(2014M552429);福建省高校青年自然基金重点资助项目(JZ160409);泉州市科技计划资助项目(2018Z008,2017G019,2017G045,2018C110R,2018C114R);华侨大学研究生教育教学改革研究立项资助项目(18YJG28);华侨大学研究生科研创新能力培育计划资助项目(18013083003)。