公开(公告)号：CN111582396B

公开(公告)日：2023-05-02

申请号：CN202010402905.7

申请日：2020-05-13

Applicant: 江南大学

Inventor： 沈艳霞 ,  常淼 ,  赵芝璞

IPC: G06F18/214 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进卷积神经网络的故障诊断方法，涉及故障诊断技术领域，该方法建立改进的卷积神经网络模型，改进的卷积神经网络模型依次包括输入层、若干层特征提取层、新增卷积层、全连接层和输出层，每层特征提取层分别依次包括卷积层和池化层，使用训练集和测试集基于改进的卷积神经网络模型训练得到故障诊断模型，即可用于自动化的故障诊断，该方法在特征提取层和全连接层之间还设置了一个新增卷积层，新增卷积层可以提取模型深层特征，有效增强模型的泛化能力，同时对特征提取层也进行了改进，在一定程度上可以减少过拟合的风险并加快计算速度。

公开(公告)号：CN111582396A

公开(公告)日：2020-08-25

申请号：CN202010402905.7

申请日：2020-05-13

Applicant: 江南大学

Inventor： 沈艳霞 ,  常淼 ,  赵芝璞

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于改进卷积神经网络的故障诊断方法，涉及故障诊断技术领域，该方法建立改进的卷积神经网络模型，改进的卷积神经网络模型依次包括输入层、若干层特征提取层、新增卷积层、全连接层和输出层，每层特征提取层分别依次包括卷积层和池化层，使用训练集和测试集基于改进的卷积神经网络模型训练得到故障诊断模型，即可用于自动化的故障诊断，该方法在特征提取层和全连接层之间还设置了一个新增卷积层，新增卷积层可以提取模型深层特征，有效增强模型的泛化能力，同时对特征提取层也进行了改进，在一定程度上可以减少过拟合的风险并加快计算速度。