本文对比了深度残差收缩网络（DRSN）的两种变体——通道间共享阈值的DRSN-CS和通道独立阈值的DRSN-CW，与传统CNN和ResNet在齿轮箱振动信号识别中的性能。实验在不同噪声环境下进行，包括高斯、Laplacian和Pink噪声。结果显示，在低信噪比下，DRSN变体显著优于ConvNet和ResNet，且在噪声较弱时也能保持高准确率，体现出自适应阈值设定的优势。
实验部分将所提出的两种深度残差收缩网络，即“通道之间共享阈值的深度残差收缩网络(Deep Residual Shrinkage Networks with Channel-shared Thresholds，简称DRSN-CS)”，和“逐通道不同阈值的深度残差收缩网络(Deep Residual Shrinkage Networks with Channel-wise Thresholds，简称DRSN-CW)”，与传统的卷积神经网络(Convolutional Neural Networks, ConvNet)和深度残差网络(Deep Residual Networks, ResNet)进行了对比。实验数据是齿轮箱在八种健康状态下的振动信号，分别添加了不同程度的高斯噪声、Laplacian噪声和Pink噪声。
在不同程度的高斯噪声下的实验结果（左边是训练准确率，右边是测试准确率）：
在不同程度的Laplacian噪声下的实验结果（左边是训练准确率，右边是测试准确率）：
在不同程度的Pink噪声下的实验结果（左边是
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
