10.13465/j.cnki.jvs.2022.06.018
基于改进卷积神经网络的柴油机故障诊断方法研究
现有基于卷积神经网络(convolutional neural network,CNN)的柴油机故障诊断方法易过拟合,网络收敛速度较慢、处理小样本数据时诊断精度低,针对以上问题,提出了一种基于改进CNN的"端到端"柴油机故障诊断方法.该方法在CNNN架构上,采用指数线性单元(exponential linear units,ELU)作为激活函数及小批量训练方法加速模型收敛,用全局平均池化(global average pooling,GAP)代替全连接层以降低过拟合风险.基于台架试验的诊断结果表明:所提方法进行柴油机典型故障诊断的精度达到99.18%;与未改进模型及现有基于CNN的柴油机故障诊断算法相比,该方法在处理小样本数据集时仍保持最高识别精度.
柴油机、故障诊断、深度学习、卷积神经网络(CNN)
41
TK428(内燃机)
国家重点实验室开放基金skler-202009
2022-04-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
139-146