空军工程大学学报

作者：张红梅,程湘钧,柳泉,拓明福,唐希浪,徐思宁

单位：空军工程大学装备管理与无人机工程学院,西安,710051\

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

基金：国家自然科学基金(72201276)

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。

来源：2025年第4期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2025年第4期