轻量级轴承故障诊断网络

参数量仅10K

面向卫星陀螺仪滚动轴承的轻量级深度学习模型，在强噪声干扰下仅用极少计算资源即可实现高效故障诊断。

Guan, Rongqiang · 吕琼莹 · Jia, Bing · Anjun, Xu · Jing, Yu

IEEE Access 2024

参数信息

准确率提升

4.97 %

参数量

10.005 K

计算量

0.792

技术优势

参数仅10K

参数量仅10.005 K，模型轻量，易于在资源受限设备上部署。

抗强噪声

在强噪声干扰下仍保持良好性能，适合复杂工业环境。

计算量极小

MFLOPs仅0.792，推理效率高，适合实时在线监测。

诊断更准

相比单一模型提升4.97%，故障识别更可靠。

应用场景

• 旋转机械故障诊断：在陀螺仪轴承等旋转机械上实现高效故障分类，替代传统手动特征提取。
• 工业设备预测性维护：实时监测设备状态，提前发现轴承故障，避免非计划停机。
• 航天器部件健康管理：针对卫星陀螺仪轴承，在强噪声和资源受限条件下提供可靠诊断。
• 边缘智能监测：模型轻量（10K参数、0.792 MFLOPs），可部署在边缘设备进行本地推理。