《表1 不同池化核尺寸下的SSFDM识别准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积门控循环网络的滚动轴承故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

在本文所提出的SSFDM模型中，门控循环单元的个数主要由卷积网络所提取得到的特征层决定。因此，模型的关键结构参数主要是卷积核的大小和池化核的大小。从文献[21]的实验结果可以看出，大卷核可以有效提取特征，而且可以提高模型的泛化性。因此SSFDM的两层卷积层都直接选用了大尺寸的卷积核。为了探索池化核尺寸对模型的影响，将模型除池化层以外的其他参数固定。池化层的步长都设置为2，实验数据集选用数据集A。训练样本为20个，测试样本为1 000个。训练所使用到的学习率参数设置为0.001，小批量样本数设为16。在不同池化核尺寸参数下，SSFDM的识别准确率如表1所示。