基於融合CNN(2D-CNN與1D-CNN融合)與PSO-SVM的滾動軸承故障診斷

時間 2021-01-16

標籤機器學習深度學習 CNN 故障診斷西儲大學軸承 pso-svm 融合cnn 欄目悠閒生活简体版

原文原文鏈接

本文將2D-CNN與1D-CNN融合，同時對軸承數據集進行訓練，然後在匯聚層將兩者池化層的輸出連接成一個向量，送進全連接層。模型訓練結束之後，取FC層的輸出作爲提取到的故障特徵信號。數據來源，西儲大學滾動軸承故障診斷數據集。融合CNN的結構圖如圖所示： 1，數據準備對於10類故障（1正常，9故障），分別採集100組樣本，共1000組，採樣點爲1

>>阅读原文<<

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。