面向螺丝锁附序列的多分辨率融合卷积神经网络

• 作者: 刘天宇 周稻祥 李心宇 李明
• 来源期刊: 西安交通大学学报
• 关键词: 螺丝 锁附故障 多分辨率融合 卷积神经网络 类别加权交叉熵
• 年，卷（期）: 2020,（3）
• 页码范围: 161-168,178
• 页数: 9页
• 分类号: TP183
• 语种: 中文
• DOI: 10.7652/xjtuxb202003020

摘要

为了准确识别螺丝锁附是否发生故障和具体故障类型,提出了一种多分辨率融合卷积神经网络.使用原始序列数据作为输入以提高识别速度和精度;为了提取多尺度特征,分别在分辨率(数据长度)为4 000、2 000和1 000的特征向量上进行一维卷积运算;在Fusion层通过上采样、下采样和1×1卷积等策略,将各分辨率特征向量融合得到3组新特征向量,使得该网络能够获得锁附序列的整体和局部特征信息;在输出层使用类别加权交叉熵(CWCE)损失,通过为损失函数设置惩罚系数来加大对样本较少类别的惩罚力度,缓解了各类别数据不平衡的问题.收集了3 149条螺丝锁附序列,并在该数据集上进行了实验,结果表明:在6分类实验中,所提方法的准确率为96.00％,宏F1为93.93％,均高于其他方法;在2分类实验中,所提方法的准确率为99.36％,CWCE损失的有效性得到了验证;所提方法能够有效地判别锁附故障,并具有较好的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明	太原理工大学大数据学院	18	28	3.0	4.0
2	周稻祥	太原理工大学大数据学院	4	1	1.0	1.0
3	刘天宇	太原理工大学大数据学院	1	0	0.0	0.0
4	李心宇	太原理工大学大数据学院	2	0	0.0	0.0