《表2 对比的卷积神经网络结构》
本文分别与只使用一维轴承振动数据、只使用监控中心监视器截屏的二维图像、将一维轴承振动数据的特征与监控中心监视器截屏的二维图像的特征采用扩维融合进行对比。第1个对比模型DNN(Deep Neural Network)是仅用一维轴承振动数据,其故障诊断模型采用四层堆叠自编码器,400个电机驱动端的轴承振动信号作为一个样本,滑动窗为20。隐层的神经单元的个数分别为:600、400、200和100,迭代次数1000次,学习率为0.1,动量因子为0.05。第2个对比模型CNN(Convolutional Neural Network)是仅用使用监控中心监视器截屏的二维图像,风扇端是由监控中心监视器截屏获取二维图像,其故障诊断模型采用卷积神经网络结构,网络结构如表2所示。
图表编号 | XD00227417900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 陈丹敏、周福娜、王清贤 |
绘制单位 | 信息工程大学、上海海事大学、信息工程大学 |
更多格式 | 高清、无水印(增值服务) |