卷积神经网络在轴承故障诊断中的可解释性探讨

• 作者: 刘一龙 张俊鹏 杨志勃 翟智 陈雪峰
• 来源期刊: 轴承
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 卷积神经网络 可视化
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 测量与仪器
• 页码范围: 54-60
• 页数: 7页
• 分类号: TH133.33|O313.7
• 字数: 3907字
• 语种: 中文
• DOI: 10.19533/j.issn1000-3762.2020.07.011

摘要

以轴承为例,对卷积神经网络在故障诊断领域中的可解释性进行了探讨,采用Grad-CAM方法,基于可视化的角度建立了神经网络的重点激活区域与目标类别之间的联系,并且利用凯斯西储大学的轴承数据库,分别从时域和频域的角度对LeNet,AlexNet和ResNet-18这3种应用较广的卷积神经网络结构进行了验证,结果表明,卷积神经网络在轴承故障诊断领域中对于样本的分类识别与人为的认知规律存在基本的相似性,可以为卷积神经网络在故障诊断领域的工程应用提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈雪峰	西安交通大学机械制造与系统工程国家重点实验室	101	2400	23.0	47.0
2	杨志勃	西安交通大学机械工程学院	5	20	1.0	4.0
3	翟智	西安交通大学机械工程学院	2	13	1.0	2.0
4	张俊鹏	西安交通大学机械制造与系统工程国家重点实验室	1	0	0.0	0.0
5	刘一龙	西安交通大学机械制造与系统工程国家重点实验室	1	0	0.0	0.0