《表7 不同网络结构模型的测试结果对比》
变CNN模型结构对3种故障状态的AE信号进行分类识别,实验保持CNN的基本框架不变,在卷积层中设计不同个数的卷积核。表7给出了4种不同结构的CNN识别模型,分别为:2-2-4(即第1个卷积层卷积个数为2,第2个卷积层卷积个数为2,第3个卷积层个数为4,以下同),2-4-2,4-2-2,2-2-2,最后一层为Softmax分类器进行模式分类。为了保证网络性能测试结果的稳定性,消除随机因素的影响,每次实验都重复10次,以测试结果的最小值、均值作为评价指标,结果如表7所示。4种不同结构的识别模型对故障状态正确识别的结果具有相近的均值,分别达到98.83%,98.18%,98.27%和98.91%,可以看出基于CNN结构的碰摩故障诊断算法对卷积核个数的变换不敏感,具有较高的稳定性和识别性能。
图表编号 | XD00127006800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 彭威、李晶、刘卫东、邓艾东 |
绘制单位 | 中国矿业大学信息与控制工程学院、东南大学火电机组振动国家工程研究中心、南京审计大学信息工程学院、中国矿业大学信息与控制工程学院、东南大学火电机组振动国家工程研究中心 |
更多格式 | 高清、无水印(增值服务) |