一种基于二维卷积神经网络的舵机故障检测方法

针对卷积神经网络对一维舵机数据特征提取不充分，本文提出将一维数据升级为二维数据，采用二维卷积神经网络对舵机故障进行智能检测。首先将一维数据首尾对称排列组成矩阵形式的二维数据，拓宽感受野，增加数据量，打破了空间局限性，避免了数据特征提取不充分，使特征提取具有全局性；其次构建了局部特征学习模块，该模块包含一个卷积层，一个Batch Normalization (BN)层，和一个ReLU激活函数，用于学习数据相关性。最后利用该模型实现对舵机数据的处理，从而实现舵机的智能故障检测。实验结果表明，该模型的准确度高达99.53%,效果优于其他的常用模型，证明了二维卷积神经网络应用于舵机故障检测的可行性。