小波核编码的脉冲卷积神经网络在可解释性智能诊断中的应用研究

作     者：王俊 杨轶青 刘金朝 沈长青 黄伟国 朱忠奎 WANG Jun;YANG Yiqing;LIU Jinzhao;SHEN Changqing;HUANG Weiguo;ZHU Zhongkui

作者机构：苏州大学轨道交通学院苏州215131 中国铁道科学研究院集团有限公司基础设施检测研究所北京100081 

基　　金：国家自然科学基金资助项目(52275121 52075353 52272440) 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2024年第60卷第12期

页      码：41-50页

摘      要：近年来,人工神经网络在可解释性机械故障智能诊断研究中已经取得一些成果。然而人工神经网络本身不是模拟生物神经网络的学习机制,缺乏生物可解释性。脉冲神经网络能够很好地模拟生物信号在神经网络中的传播,具有较强的生物可解释性,但当前的脉冲编码方式缺乏物理可解释性。提出一种兼具物理可解释性和生物可解释性的小波核编码的脉冲卷积神经网络,用于轴承端到端的可解释性智能诊断。首先,设计一种小波核编码器,利用小波核卷积从轴承振动信号中提取多尺度物理特征,进而采用脉冲神经元将其编码为脉冲编码信息;其次,构建多层脉冲卷积特征提取器,从脉冲编码信息中提取深层状态特征;最后,建立脉冲分类器,通过输出层脉冲神经元的放电概率预测轴承的健康状态。采用两组轴承健康状态数据集验证所提模型的可解释性和有效性。试验结果表明:脉冲编码信息能够清晰反映轴承不同健康状态,具有物理可解释性;所提方法能够实现端到端的模型训练,故障诊断准确率与传统卷积神经网络相当,而模型收敛的稳定性更优。

主 题 词：智能诊断 脉冲神经网络 生物可解释性 物理可解释性 小波变换 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 080202[080202] 08[工学] 081104[081104] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3901/JME.2024.12.041

馆 藏 号：203128394...