《表2 对比的卷积神经网络结构》

  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

《基于多源异构信息迁移学习的融合故障诊断方法》

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

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。