《表1 具体样本组成：基于1D-CNN的采煤机摇臂齿轮故障诊断》

  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

《基于1D-CNN的采煤机摇臂齿轮故障诊断》

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

选取加载量50%下齿轮5种状态的振动数据，样本长度设为40 000。在训练模型前，首先利用数据增强技术以1/20的重叠方式分割为2 455个总样本，实现样本扩充；然后将2 455个样本按8:2的比例分割为1 964个训练样本和491个测试样本；最后抽取20%的训练样本作为模型的验证样本，具体样本组成如表1所示。1D-CNN模型训练采用Python软件中的Keras框架，批处理个数为64，epochs为100，损失函数采用交叉熵损失函数，使用Adam优化算法，其中学习率设为0.001。