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 ZHANG Junpeng;YANG Zhibo;CHEN Xuefeng;ZHAI Zhi;LIU Yilong

作者机构：西安交通大学机械制造与系统工程国家重点实验室西安710049 西安交通大学机械工程学院西安710049 

出 版 物：《轴承》 (Bearing)

年 卷 期：2020年第7期

页      面：54-60页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080101[工学-一般力学与力学基础] 080201[工学-机械制造及其自动化] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(51875433) 

主　　题：滚动轴承 故障诊断 卷积神经网络 可视化 

摘      要：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。