旋转机械智能诊断的深度学习算法：一项开源基准研究
信号处理
2020-08-20 v3 机器学习
摘要
随着深度学习（DL）技术的发展，旋转机械智能诊断取得了巨大进展并已验证成功，许多基于 DL 的智能诊断算法的分类准确率趋于 100\%。然而，不同类型模型在性能验证中常被推荐使用不同的数据集、配置和超参数，且极少有开源代码公开以供评估和比较。因此，旋转机械智能诊断中可能存在不公平比较与无效改进，限制了该领域的进步。为解决这些问题，我们对四类模型（包括多层感知机（MLP）、自编码器（AE）、卷积神经网络（CNN）和循环神经网络（RNN））进行了广泛评估，使用多种数据集在同一框架下提供基准研究。我们首先收集了绝大多数公开可用数据集，并在两种数据划分策略、五种输入格式、三种归一化方法和四种增强方法下给出基于 DL 的智能算法的完整基准研究。其次，我们将整个评估代码集成至一个代码库，并公开发布该代码库以促进本领域更好发展。第三，我们使用专门设计的案例指出了存在的问题，包括类不平衡、泛化能力、可解释性、少样本学习和模型选择。通过这些工作，我们发布了一个统一的代码框架以公平、快速地比较和测试模型，强调了开源代码的重要性，提供了基线准确率（下界）以避免无用的改进，并讨论了该领域潜在的未来方向。该代码库可在 https://github.com/ZhaoZhibin/DL-based-Intelligent-Diagnosis-Benchmark 获取。
引用
@article{arxiv.2003.03315,
title = {Deep Learning Algorithms for Rotating Machinery Intelligent Diagnosis: An Open Source Benchmark Study},
author = {Zhibin Zhao and Tianfu Li and Jingyao Wu and Chuang Sun and Shibin Wang and Ruqiang Yan and Xuefeng Chen},
journal= {arXiv preprint arXiv:2003.03315},
year = {2020}
}
备注
This paper has been accepted by ISA Transactions