基于迁移学习的煤矿音频数据故障诊断方法

本发明涉及一种基于迁移学习的煤矿音频数据故障诊断方法，包括：对原始的不同工况煤矿设备音频信号进行MFCC特征提取；建立跨域诊断网络模型；特征提取层提取不同域间通用特征，计算交叉熵损失函数和多核联合分布差异函数损失值；根据最优梯度方向更新模型参数；重复网络更新策略，直到达到预期的诊断准确率或完成设定的迭代次数；输出目标域测试集的故障诊断结果。本发明对含有类别信息的特征进行多重线性映射，同时考虑不同工况样本的分布差异，进行迭代训练降低域间最大均值差异从而实现无监督特征匹配，改进后的迁移模型能够更好地识别目标域音频故障类别，有效解决无监督音频数据故障诊断问题。