卷积神经网络在轴承故障诊断中的可解释性探讨

• 作 者: 张俊鹏 杨志勃 陈雪峰 翟智 刘一龙
• 机 构: 西安交通大学机械制造与系统工程国家重点实验室,西安交通大学机械工程学院
• 出 处: 轴承
• 发表日期: 2020年7期
• 关键词: 滚动轴承 故障诊断 卷积神经网络 可视化 rolling bearing fault diagnosis convolution neural network
• 基金项目: 国家自然科学基金项目(51875433)

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。