GA-1DLCNN方法及其在轴承故障诊断中的应用（英文）

论文摘要

由于旋转机械振动信号是一维的,且大尺寸卷积核可获得更大的感知野,在经典卷积神经网络模型（LetNet-5）的基础上设计了带有大尺寸卷积核的一维卷积核神经网络（1DLCNN）.由于1DLCNN的超参数对网络性能影响较大,利用遗传算法对网络模型中的一些超参数进行寻优,并将这种利用遗传算法优化1DLCNN参数的方法称为GA-1DLCNN.试验结果表明,基于GA-1DLCNN方法所得到最优网络模型可以实现99. 9%的故障诊断精度,远远高于其他几种传统的故障诊断方法.此外,将采用大尺寸卷积核的一维卷积神经网络与小尺寸卷积核的一维卷积神经网络以及经典二维卷积神经网络模型进行对比,输入样本长度分别设定为128,256,512,1 024,2 048,最终的诊断精度结果以及可视化散点图显示1DLCNN的效果最优.

论文目录

• 1 Basic Theory
•   1.1 Theory of CNN
•   1.2 Hyper-parameter optimization by genetic algorithm
• 2 Rotating Machinery Fault Diagnosis Method Based on GA-1DLCNN
• 3 Experimental Verification and Discussion
•   3.1 Experimental data description
•   3.2 Test results and analysis
•     3.2.1 Analysis of the proposed method
•     3.2.2 Comparison with traditional methods
•     3.2.3 Further comparison with classical CNN
• 4 Conclusions

文章来源

类型: 期刊论文

作者: 杨振波,贾民平

关键词: 一维卷积神经网络,大尺寸卷积核,超参数寻优,遗传算法

来源: Journal of Southeast University(English Edition) 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 东南大学机械工程学院

基金: The National Natural Science Foundation of China(No.51675098)

分类号: TH133.3;TP18

页码: 36-42

总页数: 7

文件大小: 1602K

下载量: 180