《表2 模型参数表：基于改进型深度网络数据融合的滚动轴承故障识别》

  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

《基于改进型深度网络数据融合的滚动轴承故障识别》

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

卷积网络模型为图4所示的“卷积-池化-卷积-池化-卷积-池化-卷积-池化-卷积-池化-全连接-softmax分类器”结构，五层的卷积池化结构从1 024维的原始时域信号提取特征，全连接层实现信息整合和目标分类。基于感受野理论的卷积核设计[11]，卷积核大小和数量须合适，在尽可能完整地提取有效特征的情况下尽量避免冗余的参数，模型具体参数见表2。图4中BN是批量标准化（batch normalization），它可以有效缓解训练中的梯度消失/爆炸现象，加快模型的训练速度。