基于Inception-ResNet模型的轴承故障分类

来源：电子测量技术杂志2021年第5期北京时间：

作者：孔子宇，王海瑞

单位：昆明理工大学 信息工程与自动化学院 昆明 650500

摘要：针对常用的故障诊断深度学习方法需要较高的设备成本与较长的训练时间，本文提出一种基于Inception-ResNet模型的轴承故障分类方法。通过使用Inception网络的并行结构使网络学习到不同尺度的特征，引入了残差结构来减少因网络加深所导致的退化现象，并加入了三维卷积，使不同通道间的信息相互交融。为验证本文方法的性能，使用凯斯西储大学数据集与IMS数据集进行验证，并与传统的浅层学习方法和深度学习方法进行了对比实验。结果表明，相较于其他方法，本文方法不仅拥有优良的诊断能力，在资源占用与训练效率上也更加优秀。

关键词：卷积神经网络;Inception网络结构;轴承故障诊断

基金资助：国家自然科学基金（61263023,61863016）资助项目