《表1 具体样本组成:基于1D-CNN的采煤机摇臂齿轮故障诊断》
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。
图表编号 | XD00223934400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 牛乃平、张小刚、丁华 |
绘制单位 | 山西科达自控股份有限公司、太原理工大学机械与运载工程学院、煤矿综采装备山西省重点实验室、太原理工大学机械与运载工程学院、煤矿综采装备山西省重点实验室 |
更多格式 | 高清、无水印(增值服务) |