仪器仪表学报

作者：董勋，郭亮，高宏力，刘宸宇，李磊

单位：董勋,西南交通大学 先进驱动节能技术教育部工程研究中心成都610031；西南交通大学机械工程学院成都610031,,郭亮,西南交通大学 先进驱动节能技术教育部工程研究中心成都610031；西南交通大学机械工程学院成都610031,,高宏力,西南交通大学 先进驱动节能技术教育部工程研究中心成都610031；西南交通大学机械工程学院成都610031,,刘宸宇,西南交通大学 先进驱动节能技术教育部工程研究中心成都610031；西南交通大学机械工程学院成都610031,,李磊,西南交通大学 先进驱动节能技术教育部工程研究中心成都610031；西南交通大学机械工程学院成都610031,

关键词：代价敏感;卷积神经网络;不平衡分类;智能故障诊断

基金：国家自然科学基金（VP21ZR1102Y17025，51905452）、中央高校基本科研专项资金(2682017ZDPY09，2682019CX35，2018GF02)项目资助

机械设备实际工作过程中正常样本丰富、故障样本匮乏，卷积神经网络在处理这种分布不平衡的数据时对少数类的识别率很低。为解决上述问题，提出一种代价敏感卷积神经网络，首先经过多层卷积和池化运算学习原始监测数据中的机械设备本征性能状态知识；其次通过全连接层将本征性能状态知识映射为机械设备健康状态；最后利用代价敏感损失函数为少数类样本赋予较大的误分类代价，实现对不平衡的机械故障数据的有效分类。为验证所提方法的有效性，使用具有不同不平衡比的刀具数据集和轴承数据集，利用代价敏感卷积神经网络以及主流的分类算法分别测试其对于不平衡数据的分类性能。实验结果表明，所提方法对不平衡数据集中的少数类样本识别率相对于传统卷积神经网络提升了22%以上。

来源：2019年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第12期