《表3 用于诊断故障类型的网络结构》
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
《采用多通道样本和深度卷积神经网络的轴承故障诊断方法》
将振动信号按照故障类型分为3类:内圈故障、滚动体故障和外圈故障,每种类型下单通道和三通道样本总数为2 832,3种故障类型共计8 496张样本图片。为了研究多通道样本相对于单通道样本的准确率提高程度,本节通过调整网络结构和参数,分梯度设计了4种不同结构的DCNN网络(A,B,C,D),分别对应单通道样本故障诊断平均准确率为90%、80%、70%和60%左右,结构参数如表3所示。图7给出了A结构示意图,该网络由3个卷积层和3个池化层组成,全连接层有3个输出值,分别对应3种轴承故障类型。
图表编号 | XD00174267400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 张弘斌、袁奇、赵柄锡、牛广硕 |
绘制单位 | 西安交通大学能源与动力工程学院、陕西省叶轮机械及动力装备工程实验室、西安交通大学能源与动力工程学院、陕西省叶轮机械及动力装备工程实验室、西安交通大学能源与动力工程学院、陕西省叶轮机械及动力装备工程实验室、西安交通大学能源与动力工程学院、陕西省叶轮机械及动力装备工程实验室 |
更多格式 | 高清、无水印(增值服务) |