《表2 本研究方法的模型结构参数》

  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

《改进Alexnet的滚动轴承变工况故障诊断方法》

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

由图4(a）可以看到，当小批量的样本数为64时，其训练精度远高于小批量的样本数为100时的训练精度，并且训练精度的收敛趋势相对于小批量的样本数为50时更加快稳。由图4(b）可以看到，当Adam的学习步长为0.001时，其训练精度的收敛速度最快，收敛趋势更为平稳，并且在相同的迭代批数下的训练精度最高。图4(c）反映的是在相同的迭代批数下，以负荷2的训练样本进行模型训练，当卷积核1的尺寸选为5×5时的训练精度最高，另外在实验过程中还发现，训练时间随着卷积核尺寸的增加而增加。图4(d）反映的是以负荷2的训练样本进行模型训练，以负荷1的测试样本进行变负荷测试，当选择不同弃权值时测试精度的变化趋势，可以看到当弃权值为0.85时，测试精度收敛的速度最快，收敛趋势较弃权值为0.9时更为稳定，并且最终的测试精度值最高。由此可知，为尽可能获得满意的训练精度和测试精度，需将Adam的学习步长选为0.01，批尺寸选为64，卷积核1的尺寸选为5×5，训练过程的弃权值选为0.85。本研究其他的结构参数也按照上述方法所得，其中本研究方法的模型结构参数如表2所示。为使利用本方法在对强噪声、变负荷下的滚动轴承进行故障诊断时的综合效果最佳，笔者将训练过程的迭代批数设为3 125。