基于ECAProNet模型的小样本变工况轴承故障诊断

摘要

针对小样本变工况轴承故障诊断中易出现过拟合的问题，提出一种在原型网络(ProNet)中加入高效通道注意力机制(ECA)的轴承故障诊断方法(ECAProNet)。基于度量学习的思想，在改进原型网络框架下将通过特征提取模块的样本信号映射至特征度量空间，在该空间内确定查询样本与各类原型间的欧式距离，得到损失函数，进而优化特征提取网络框架；为达到元学习目的，采用基于episodes的训练策略，将算法泛化到不同工况的测试诊断中。在CWRU数据集上设置5-way 5-shot和5-way 1-shot验证实验，结果表明，ECAProNet在小样本变工况轴承故障诊断中表现出较好的性能。

关键词

故障诊断 / 小样本学习 / 变工况 / 原型网络 / 高效通道注意力机制