−10 dB 噪声下仍精准
相比依赖重参数深度网络的现有轴承诊断方法，该模型通过可插拔通道裁剪模块和抗噪学习网络协同，在保持轻量化的同时，从强噪声污染信号中稳定提取故障特征，实现边缘设备上的可靠诊断。
刘蕾 · 张方 · 程尧 · Guiting, Tang · Yan, Jingke · Pei, Lai
Structural Health Monitoring 2025
抗噪学习网络通过噪声判别器进行监督学习，增强了模型从强噪声信号中提取故障特征的能力。
可插拔通道裁剪模块有效减少了模型的参数和计算量。
自适应输入模块可根据不同应用环境调整输入信息，提高模型的稳定性和准确性。