液压泵和滚动轴承多种样本量的改进多任务故障诊断

来源：振动与冲击杂志2024年第4期北京时间：

作者：郑直，曾魁魁，何玉灵，李克，王志军

单位：1.华北理工大学机械工程学院，河北唐山063210；2.华北电力大学电机健康维护与故障预防河北省重点实验室，河北保定071000

摘要：基于充足样本的多个设备元件导致多任务学习网络规模庞大，轻微和严重的跨元件零样本问题难度大。在多种样本量（充足样本和零样本）下，针对基于充足故障样本的多元件诊断网络规模过于庞大问题，引入MicroNet方法对多任务学习网络进行轻量化处理，然后利用热重启余弦退火算法优化上述网络，提出一种多任务轻量化学习网络模型，改善多任务学习网络的准确率和效率。针对更高难度的跨元件零样本问题，引入元学习方法进一步改进上述MT-MN-CA，进而提出一种改进多任务轻量化学习网络模型，解决轻微和严重的跨元件零样本问题。通过实测液压泵和滚动轴承故障验证所提两个网络模型的有效性和优越性，实验结果表明所提网络具有很高的实时性和准确率。

关键词：多任务学习；轻量化；元学习；零样本；故障诊断