基于偽標簽深度學習的半監(jiān)督滾動軸承故障診斷模型

摘要： 針對實際工程應用中被標記的滾動軸承故障樣本收集困難，傳統(tǒng)診斷模型精度較低的問題，提出一種偽標簽學習融合參數(shù)遷移深度學習網(wǎng)絡的半監(jiān)督滾動軸承故障診斷模型。首先將ImageNet數(shù)據(jù)集上預訓練的殘差網(wǎng)絡（Residual Network,ResNet）模型參數(shù)遷移至本文模型中作為初始參數(shù)，并使用不同學習率微調(diào)網(wǎng)絡層參數(shù)以加快模型收斂速度；隨后引入偽標簽半監(jiān)督學習，使用標簽數(shù)據(jù)訓練模... （共7頁）