典型文献
基于轻量化神经网络Shuffle-SENet的高速动车组轴箱轴承故障诊断方法
文献摘要：
针对复杂工况下高速动车组轴箱轴承故障难以准确诊断的问题,提出了一种Shuffle-SE单元设计方法,并基于模块化思想建立了一种新的轻量化网络Shuffle-SENet用于高速列车轴箱轴承故障诊断.Shuffle-SE单元以ShuffleNet V2单元为基础,在保留网络轻量化的同时,对网络结构进行了局部优化,并进一步嵌入了Squeeze-and-excitation(SE)结构.所构建的轻量化网络模型在保证运算高效的同时,故障诊断精度明显提升.此外,本文对Shuffle-SE单元的数量及SE结构中降维系数对网络模型性能的影响进行了深入分析.实验分析结果表明:本文网络模型可有效用于多种复杂工况下高铁轴箱轴承故障诊断,相比MobileNet V2、ShuffleNet Vl/V2、ResNets等目前较为流行的神经网络模型,本文模型在运行效率和故障诊断精度两方面均有较好表现.本文研究为深度学习技术走向工程实际应用,克服对计算机硬件配置较高的限制提供了一种新的解决方法.
文献关键词：
故障诊断;轴箱轴承;高速动车组;轻量化网络;ShuffleNet单元
中图分类号：
作者姓名：
邓飞跃;吕浩洋;顾晓辉;郝如江
作者机构：
石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室,石家庄050043;石家庄铁道大学机械工程学院,石家庄050043
文献出处：
引用格式：
[1]邓飞跃;吕浩洋;顾晓辉;郝如江-.基于轻量化神经网络Shuffle-SENet的高速动车组轴箱轴承故障诊断方法)[J].吉林大学学报（工学版）,2022(02):474-482
A类：
Vl,ResNets
B类：
轻量化神经网络,SENet,高速动车组,轴承故障诊断,故障诊断方法,复杂工况,单元设计,轻量化网络,高速列车,列车轴箱轴承,ShuffleNet,V2,网络轻量化,局部优化,Squeeze,excitation,算高,故障诊断精度,模型性能,铁轴,MobileNet,深度学习技术,工程实际,计算机硬件,硬件配置
AB值：
0.222196
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
