基于轻量化深度卷积神经网络的电机轴承故障诊断

针对深度学习算法在电机轴承故障诊断中模型参数量大,对设备的内存要求高的问题,提出一种基于轻量化深度神经网络的电机轴承故障诊断方法。首先,使用连续小波变换将轴承信号从时域转化到时频域,进行特征预处理;其次,搭建深度卷积神经网络进行故障识别,引入残差结构提高了检测精度;之后,融合深度可分离卷积,并用全局平均池化替换了传统全连接层,降低模型大小,实现对电机轴承故障类型的有效识别。实验结果表明,该方法诊断的准确率达到0.997,模型大小仅有6.23 MB。