来源：期刊VIP网 时间：
作者：蔡超志;池耀磊;郭璐彬;
单位：河北工程大学机械与装备工程学院;
摘要：针对于框架结构的使用环境恶劣，同时常常伴随着大量的噪声，在使用普通的一维卷积神经网络对框架结构进行故障诊断时，存在无法做出有效故障诊断的问题。本研究在一种抗噪声能力较强的卷积神经网络中加入Inception模块，提出了一种识别率和抗噪声能力更高的卷积神经网络—BICNN(Convolution Neural Network based on Inception)，并用BICNN卷积神经网络基于数据驱动的方式，对楼体框架模型进行了集成故障诊断研究。集成诊断结果表明BICNN具有更高的识别率和较强的抗噪声能力，而且在训练步数较少的情况下振荡次数少收敛情况良好。因此采取本研究所提出的方法，对框架结构进行故障诊断时具有高诊断率和稳定性，为维护框架结构的稳定运行具有重大安全意义。
关键词：框架结构;;故障诊断;;卷积神经网络;;Inception模块;;抗噪声能力;;正确率
基金资助：河北省自然科学基金（E2020402060）
