随机卷积神经网络的内燃机健康监测方法研究

作者：王瑞涵; 陈辉; 管聪

来源：振动工程学报, 2021, 34(04): 849-860.

DOI：10.16385/j.cnki.issn.1004-4523.2021.04.022

• 健康监测
• 内燃机
• 卷积神经网络
• 集成学习

提出了一种深度学习网络即结构-随机卷积神经网络,用于实现内燃机的智能健康监测。集成多个单一的卷积神经网络构成新的网络构架,通过卷积计算和池化操作对振动信号进行自动特征提取。在随机卷积神经网络结构中,应用Adabound优化器使学习率自适应变化,从而加快模型的权值更新。同时通过Dropout技术使结构中神经元随机失活,防止对训练数据进行复杂的协同响应,通过Dempster合成规则融合各个网络模型的诊断结果。所提出的健康监测方案用于对内燃机工作时的振动信号进行分析。实验证明,该方法克服了传统的数据驱动和卷积神经网络健康监测方法的局限性,摆脱了对人工特征设计的依赖,并且有较好的诊断性能,能够有效地对内燃机进行健康监测。

• 单位
  武汉理工大学