基于深度迁移的新型机械类装备故障数量预测
张红梅
程湘钧
柳泉
拓明福
唐希浪
徐思宁
空军工程大学装备管理与无人机工程学院,西安,710051
摘要：针对新型机械类装备在试验鉴定阶段样本量较少,难以建立故障数量预测深度模型评估保障性能的问题,采用了"迁移学习"方法,提出了 Score评价指标,使用大规模成熟型别装备数据辅助新型装备故障预测模型训练.从迁移学习的样本、特征、模型3个角度出发,以基于深度模型的迁移为重点,进行故障数量预测研究.实例表明,基于微调的模型深度迁移在均方根误差与Score评价指标上精度分别相对提升了46.55％和164.87％,标准差分别下降了 86.71％和91.41％,远优于基于样本和特征层次设计应用的迁移预测方法与7种典型对比模型,使得深度学习的数据驱动优势得以充分发挥.在预测精度、效果与稳定性上具有更好表现,有利于评估新装备保障性能,推动了装备试验鉴定能力建设.
关键词：迁移学习深度学习回归预测小样本微调装备试验鉴定
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(72201276)
论文发表日期：2025-08-30
在线出版日期：2025-08-21（本平台首次上网日期，不代表文献的发表时间）
页数：10( 1-10 )
英文信息