| 基于改进的SqueezeNet直升机滚动轴承故障诊断 |
| |
| 引用本文： | 余志锋,熊邦书,李新民,欧巧凤. 基于改进的SqueezeNet直升机滚动轴承故障诊断[J]. 航空动力学报, 2022, 37(6): 1162-1170 |
| |
| 作者姓名： | 余志锋 熊邦书 李新民 欧巧凤 |
| |
| 作者单位： | 南昌航空大学图像处理与模式识别省重点实验室,南昌330063;中国航空工业集团有限公司中国直升机设计研究所直升机旋翼动力学重点实验室,江西景德镇333001 |
| |
| 基金项目： | 国家自然科学基金（61866027）； 航空科学基金（2016ZD56008；20185756006） |
| |
| 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 |
| 收稿时间： | 2021-06-22 |
Fault diagnosis of helicopter rolling bearing based on improved SqueezeNet |
| |
| YU Zhifeng,XIONG Bangshu,LI Xinmin,OU Qiaofeng. Fault diagnosis of helicopter rolling bearing based on improved SqueezeNet[J]. Journal of Aerospace Power, 2022, 37(6): 1162-1170 |
| |
| Authors: | YU Zhifeng XIONG Bangshu LI Xinmin OU Qiaofeng |
| |
| Abstract: | |
| |
| Keywords: | helicopter rolling bearings convolutional neural network VGG16 model lightweight SqueezeNet model |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《航空动力学报》浏览原始摘要信息 |
|
点击此处可从《航空动力学报》下载全文 |
