【基于深度迁移学习的智能故障诊断研究现状文献综述2400字】.docx

基于深度迁移学习的智能故障诊断研究现状文献综述

(1)迁移学习理论及应用

虽然深度学习强大的特征提取能力在故障诊断领域取得了很大进展，但是基于深度学习的模型的性能往往受制于所收集的数据集的影响，它的模型高性能需要建立在一定的假设前提下的：1)训练集为大量标记的且类别比例均衡的样本；

2)训练集和测试集服从同一边缘分布。然而在实际诊断任务中，机械设备运行环境往往处于不断变化之中的，其次故障数据匮乏一直是工业数据中存在的问题。因此，仅仅基于深度学习来建立的智能诊断模型，在一些场景中并不适用。迁移学习可以帮助人类去利用之前学习到的相关知识，更快的去解决上面的问题，因此逐渐成为国内