基于改进的SqueezeNet直升机滚动轴承故障诊断

摘要：

针对现有基于卷积神经网络的故障诊断方法存在模型参数量和计算量大的问题,提出一种改进的SqueezeNet模型应用于直升机滚动轴承故障诊断.该模型借鉴VGG16模型的思想,在经典的SqueezeNet基础上,采用3个3×3卷积核代替1个7×7卷积核,实现了在相同感知野条件下增加网络容量、增强非线性、减少网络参数量,采用卷积层、池化层和Fire模块、池化层两大结构交替的方式组成模型特征提取层,在保障特征提取能力的情况下,进一步减少了网络参数量.通过轴承数据开展模型故障诊断实验,结果表明该模型诊断精度达到99.65％,与传统卷积神经网络及经典的SqueezeNet模型相比诊断精度相当,而计算量与参数量最大缩减约6倍和36倍.

关键词：直升机滚动轴承、卷积神经网络、VGG16模型、轻量化、SqueezeNet模型

所属期刊栏目：37

分类号：V233+5;TH133.33(航空发动机（推进系统）)

资助基金：国家自然科学基金;航空科学基金;航空科学基金

在线出版日期：2022-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1162-1170