随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断 |
| |
引用本文: | 张康,陶建峰,覃程锦,李卫星,刘成良.随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断[J].西安交通大学学报,2019(8). |
| |
作者姓名: | 张康 陶建峰 覃程锦 李卫星 刘成良 |
| |
作者单位: | 上海交通大学机械系统与振动国家重点实验室 |
| |
摘 要: | 针对已有的柴油机失火故障诊断方法需要精细且耗时的时频特征提取过程,且对实际含有噪声的样本诊断准确率低的问题,提出了一种随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断方法。在不同的转速工况下进行柴油机失火故障模拟试验,将采集到的原始缸盖振动信号作为深度卷积神经网络的输入,并在输入端引入随机丢弃抑制输入噪声,通过一维卷积操作自动提取失火故障模式特征,接着在各卷积输出层对特征信号进行批标准化处理,以减少信号在深度卷积层内部的方差偏移,最后基于多分类函数完成失火故障分类。不同噪声环境和方法的对比试验结果表明,所提方法的分类准确率最高可达100%,同时在保证算法准确率的前提下,其鲁棒性优于依赖时频提取特征的方法。
|
关 键 词: | 失火故障诊断 深度卷积神经网络 噪声环境 随机丢弃 批标准化 |
Diesel Engine Misfire Diagnosis with Deep Convolutional Neural Network Using Dropout and Batch Normalization |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|