- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2024年第48卷第4期JournalofMechanicalTransmission103
文章编号:1004-2539(2024)04-0103-06DOI:10.16578/j.issn.1004.2539.2024.04.014
基于小样本深度学习的齿轮表面损伤识别研究
王骁鹏1华鸿鹏1陆长清1彭锟1衷源2吴碧琼3
(1三峡大学水电机械设备设计与维护湖北省重点实验室,湖北宜昌443002)
(2湖北特种设备检验检测研究院鄂州分院,湖北鄂州436000)
(3中国长江电力股份有限公司,湖北宜昌443133)
摘要齿轮表面损伤是影响齿轮传动的重要因素,提高齿轮表面损伤的识别效率和准确率极为
重要。基于Pytorch架构建立齿轮表面损伤的ResNet识别模型,利用数据增强的方式扩大数据集,使
用迁移学习方式优化模型训练,并对比了4种ResNet结构。结果表明,将64张原始图像数据增强后
得到的由640张图像组成的数据集不足以满足模型训练对大量数据的需要;使用迁移学习能够提高
模型训练速度和准确率,满足齿轮表面损伤的识别要求;ResNet-101模型在本框架中是最优结构。
研究对齿轮表面损伤的检测具有重要的科学意义和工程价值。
关键词卷积神经网络齿轮表面损伤深度学习迁移学习
ResearchonGearSurfaceDamageRecognitionBasedonSmallSampleDeepLearning
WangXiaopengHuaHongpengLuChangqingPengKunZhongYuanWuBiqiong
111123
(1HubeiKeyLaboratoryofHydroelectricMachineryDesignMaintenance,ChinaThreeGorgesUniversity,Yichang443002,China)
(2EzhouBranchofHubeiSpecialEquipmentInspectionandTestingInstitute,Ezhou436000,China)
(3ChinaYangtzePowerCo.,Ltd.,Yichang443133,China)
AbstractGearsurfacedamageisanimportantfactoraffectinggeartransmission.Itisextremelyimpor⁃
tanttoimprovetheefficiencyandaccuracyofgearsurfacedamageidentification.ResNetrecognitionmodelof
gearsurfacedamageisestablishedbasedonPytorcharchitecture,datasetisexpandedbymeansofdataenhance⁃
ment,modeltrainingisoptimizedbymeansoftransferlearning,andfourResNetstructuresarecompared.The
文档评论(0)