《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》
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。
图表编号 | XD00189239800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.05 |
作者 | 薛振泽、满君丰、彭成、邓河 |
绘制单位 | 湖南工业大学计算机学院、湖南工业大学计算机学院、湖南工业大学计算机学院、中南大学自动化学院、长沙民政职业技术学院 |
更多格式 | 高清、无水印(增值服务) |