0.引言
本篇文章主要在前面一维时序数据和一维频域数据研究的基础上,对添加噪声情况下的轴承故障诊断情况进行简单测试。由于添加噪声的方法在很多论文里较少出现,且多数对于添加方式交代不够清楚,所以我专门拿出来做个测试。而后会在三种工况下对于2个模型的基本能力进行比较。
1.添加噪声的不同方式
通常我们添加噪声都是高斯白噪声,这个没什么争议。但是对于训练集、验证集和测试集来说,具体添加的方式就有很大区别了。考虑实际情况,我们需要测试的数据肯定不会很干净,因此测试集中包含噪声是肯定的。那么训练集和验证集需不需要添加噪声呢?我认为都可以,添加噪声的时候,我们考虑的情况是我实际拥有的训练数据本身就是包含噪声的,在不进行降噪的情况下就是这种方式;而不添加噪声对应的是没有实际数据进行训练,模型是由比较干净的公开数据集训练而成的。这两种情况实际中都可能会遇到。现在使用WDCNN为模型,添加噪声信噪比SNR分别为10、6、2、-2、-6,强度逐渐增大。在全添加噪声的情况下运行3次取平均值,结果如下:
从上图可以看出,噪声强度在-6的时候,测试准确率才有些许下降。区分度不高,间接也说明了真实数据的重要性,也就是说如果我们有足够的同类数据,哪怕它充满噪声,我们一样可以做出比较准确的分类。
第二种情况运行结果如下: