一、实验数据

采用美国凯斯西储大学(CWRU) 轴承数据库的样本进行实验分析,选取48K采样频率不同负载下的故障轴承振动数据用于实验分析。本文实验样本选取用1 hp 下 10 种故障状态振动信号,构建数据集,每类样本长度为1024,其中,随机选择80%的样本作为训练集对模型进行训练,20%的样本作为测试对模型进行测试。具体信息如下。

二、模型框架

模型在1D_CNN中卷积层前添加一个多尺度的信息融合层,即经过数据处理层后,利用大尺度的3种不同的卷积核分别对输入的信号进行卷积操作,并对所提取的特征进行融合,增加频带信息,模型结构如下。

三、实验验证

模型第一层多尺度卷积核的长度分别设置为100、200和300,激活函数为Relu,池化类型为最大池化,批处理量大小为20,迭代次数设置为30。在每个卷积层后,采用批归一化方法来提高模型的性能。经过30次迭代后,模型输出在测试集的平均准确为 99. 06%,如下图所示。

为了更清楚的展示模型在测试集中各个类别的识别结果,引入多分类混淆矩阵对实验结果进行详细分析,如下图。

四、泛化性能实验

训练集仍采用1hp 下的负载进行模型训练,测试集分别选取 0hp、2 hp 、3 hp 负载下相对应的 10 种故障状态的样本对模型进行测试。利用T-SNE技术对全连接层学习到的特征进行可视化对实验结果进行表示,如下所示。

结果可以看到,不同负载下的散点图仍有大部分样本聚集在自己的区域,并且与其他的样本很好的分离,说明模型学习到了表征故障的鲁棒的非线性特征。

基于多尺度卷积神经网络的滚动轴承故障诊断相关推荐

  1. 基于通道注意机制联合多尺度卷积神经网络的滚动轴承故障诊断

    一.数据来源 实验数据采用的是美国凯斯西储大学(CWRU)轴承数据中心的SKF型轴承的DE驱动端加速度数据,其中选用采样频率为48kHz,载荷为1hp的加速度数据进行实验分析,根据损伤部位的不同,分为 ...

  2. 基于一维卷积神经网络的滚动轴承故障识别

    基于一维卷积神经网络的滚动轴承故障识别 文章目录 基于一维卷积神经网络的滚动轴承故障识别 一.数据预处理 二.模型构建 三.模型训练 四.模型测试 总结 一.数据预处理 采用美国凯斯西储大学(CWRU ...

  3. 基于1DCNN(一维卷积神经网络)的机械振动故障诊断

    基于1DCNN(一维卷积神经网络)的机械振动故障诊断 机械振动故障诊断最为经典的还是凯斯西储实验室的轴承故障诊断,开学一周了,上次改编鸢尾花分类的代码可用,但是并不准确.开学一周重新改编了别人的一篇代 ...

  4. Limited Data Rolling Bearing Fault Diagnosis With Few-Shot Learning(基于小样本学习的有限数据滚动轴承故障诊断)

    Limited Data Rolling Bearing Fault Diagnosis With Few-Shot Learning 基于小样本学习的有限数据滚动轴承故障诊断 摘要 这一篇文章主要研 ...

  5. ICDM2019|基于多尺度描述神经网络的余震检测方法

    你和"懂AI"之间,只差了一篇论文 很多读者给芯君后台留言,说看多了相对简单的AI科普和AI方法论,想看点有深度.有厚度.有眼界--以及重口味的专业论文. 为此,在多位AI领域的专 ...

  6. 【深度学习】基于Pytorch的卷积神经网络概念解析和API妙用(一)

    [深度学习]基于Pytorch的卷积神经网络API妙用(一) 文章目录 1 不变性 2 卷积的数学分析 3 通道 4 互相关运算 5 图像中目标的边缘检测 6 基于Pytorch的卷积核 7 特征映射 ...

  7. 【深度学习】基于Pytorch的卷积神经网络概念解析和API妙用(二)

    [深度学习]基于Pytorch的卷积神经网络API妙用(二) 文章目录1 Padding和Stride 2 多输入多输出Channel 3 1*1 Conv(笔者在看教程时,理解为降维和升维) 4 池 ...

  8. 基于Python的卷积神经网络和特征提取

     基于Python的卷积神经网络和特征提取 发表于2015-08-27 21:39| 4577次阅读| 来源blog.christianperone.com/| 13 条评论| 作者Christi ...

  9. 基于Keras的卷积神经网络(CNN)可视化

    基于Keras的卷积神经网络(CNN)可视化 标签(空格分隔): 深度学习 卷积神经网络可视化 本文整理自Deep Learning with Python,书本上完整的代码在 这里的5.4节,并陪有 ...

最新文章

  1. 认识一下Global.asa 文件
  2. 高成长公司诚聘Web平台开发工程师(Leader)
  3. leetcode 442. Find All Duplicates in an Array | 442. 数组中重复的数据(位运算)
  4. 记一次 Vue 移动端活动倒计时优化
  5. (1)stm32开发之标准库的介绍
  6. activiti mysql 版本_Mysql8.0.17版本不能自动创建activiti表的坑
  7. 【原创】利用typeface实现不同字体的调用显示及String转换为Unicode
  8. .NET: 如何在宿主中动态加载所有的服务
  9. 咸阳机场地下停车场如何收费,咸阳机场停车收费价格
  10. C#身份证号码验证器(检验格式是否正确)
  11. 大学生网课查题公众号搭建使用
  12. 推特难民涌入「长毛象」!这个小众社交平台一夜爆红
  13. 新Macbook电池续航能力表现欠佳,用户表示用不到5小时
  14. nodejs 各版本下载地址
  15. recovery的一些开发点滴
  16. 庄家出货前兆的五种情况
  17. 外贸公司申请E-mark认证有什么要求?
  18. 体验Windows自带远程桌面 局域网外网
  19. 快速预审、优先审查、普通申请交叉服务模式以实现发明专利1个月授权
  20. 不懂高性能的负载均衡设计?没关系,架构师带你飞

热门文章

  1. php 整百取整,php取整的几种方法
  2. docker启动mysql
  3. 一键部署dns服务_一键设置DNS
  4. Vue页面代码高亮展示之Prism语法高亮工具
  5. CAD中怎么画孔?机械CAD构造孔教程
  6. Gojs组件------前端图形化插件之利器
  7. linux安装DM7数据库和初始化实例--无图形界面
  8. 输入一个数判断其是否是质数
  9. 华视伟业工业级传输设备 千兆4光8电交换机详细参数
  10. VMWare三种工作模式详解,bridged(桥接模式)、NAT(网络地址转换模式)和host-only(主机模式)。