基于自适应轻量化模型的轴承故障识别方法研究

摘要：

提出一种基于自适应轻量化卷积神经网络的轴承故障识别模型.基于凯斯西储大学轴承故障数据集,使用k折交叉验证法划分训练集与测试集,用深度可分离卷积替换第一层为宽卷积核的卷积神经网络中的标准卷积,最后使用优化后的麻雀搜索算法对模型参数进行自适应调整,以提高对轴承故障识别的准确率.实验表明,该模型对轴承故障识别的准确率和损失值优于其他一些现有方法,具有一定的实际应用价值.

关键词：轴承故障识别、卷积神经网络、深度可分离卷积、麻雀搜索算法

分类号：TH133.3:TP391.7

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：150-153