《表3 GAPCNN模型参数》

  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

《数据失衡下基于WGAN和GAPCNN的轴承故障诊断研究》

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

该实验基于Google开源深度学习框架Tensor Flow来搭建诊断模型，共分为两部分，即WGAN生成故障样本平衡数据集和GAPCNN进行故障诊断分类两个阶段。WGAN中生成器G共有三层全连接层，隐藏层由128个神经元构成，辨别器D共有四层全连接层，两层隐藏层分别由128和256个神经元构成，参数设置如表2所示。模型训练时的批处理大小batchsize＿wgan=50，学习率lr＿wgan=0.000 1，迭代次数为40 000次，生成器G中网络的激活函数为sigmoid函数。GAPCNN中网络模型各层数设置如表3所示，模型共有3个卷积层，第1个卷积层有32个卷积核，第2个卷积层有64个卷积核，第3个卷积层有10个卷积核，这是因为该实验并未采用全连接层，而是全局平均池化层（对于每一个通道求其平均数），所以最后一层卷积核数应与故障种类数一致。池化层P1和P2采用最大池化方式，网络中采用Re LU激活函数，模型的学习率lr＿cnn=0.001，批处理大小batchsize＿cnn=200，迭代次数为300次。