关键词:
计算密集型
稀疏结构
自适应批标准化
摘要:
针对传统深度学习采用计算密集型的方法,造成过多的冗余参数,并且在变负载条件下识别能力低的问题,提出了一种稀疏结构的域自适应轴承故障诊断方法。首先使用大尺寸卷积核进行信号的特征提取;然后通过稀疏结构对网络结构进行优化,提高网络的稀疏性,减少网络加深带来过多的冗余参数;并加入自适应批标准化,克服源域与目标域的样本分布差异,增强模型的变负载诊断能力。最后在凯斯西储大学轴承数据集和实际采集的数据上进行试验,实验结果表明,在变负载和实际故障条件下平均准确率都能到达99%以上,均高于比较方法,说明了该方法的有效性与优越性。