基于神经架构搜索的工业设备故障诊断轻量化网络设计_预测性维护_2026年课程设计_1.docxVIP

  • 0
  • 0
  • 约2万字
  • 约 25页
  • 2026-11-23 发布于北京
  • 举报

基于神经架构搜索的工业设备故障诊断轻量化网络设计_预测性维护_2026年课程设计_1.docx

PAGE1

摘要

工业设备预测性维护中,振动信号故障诊断模型常被要求部署到嵌入式端,但手工设计轻量网络需要反复试错,参数量、推理延迟与诊断精度之间难以同时满足。本文针对嵌入式端故障诊断网络设计耗时问题,提出一种面向一维振动信号的可微神经架构搜索方法,记为Lite-DARTS。该方法把网络结构搜索建模为双层优化问题,在搜索空间中以可微松弛方式混合一维卷积、深度可分离卷积、池化与恒等操作,并在验证损失中加入参数量与延迟惩罚,使搜索过程直接偏向轻量结构。搜索完成后对架构参数离散化,剪除冗余操作并重训练,得到可导出为ONNX的轻量诊断网络。

本文在CWRU轴承数据集和自采电机轴承数据集

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档