关键词：深度学习;先验知识;自注意力机制;小样本;故障诊断
摘 要：基于深度学习的机械设备故障智能诊断方法依赖于大量有标签的样本数据。然而，工程应用中通常难以获取足够的样本数据，这使得深度学习方法难以充分挖掘故障特征，严重影响故障诊断模型的泛化性和鲁棒性。基于此，论文提出一种基于卷积自注意力网络和先验知识的机械设备小样本故障诊断方法。所设计的卷积自注意力网络能够自动学习样本特征，并在训练过程中融合样本多维度特征先验知识，从而减少诊断模型训练所需的样本量，提高小样本情况下机械设备故障诊断精度。最后，以液压螺杆泵为对象，对论文所提出的方法进行实验验证。实验结果表明，所提出的方法在小样本情况下故障诊断精度可达97.5%，性能优于目前常用的深度学习方法。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取