《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》

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

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。