基于浅层Inception-MobileNet旋转机械故障诊断

针对现有的旋转机械故障诊断算法存在着时频表示模糊、特征提取困难，从而导致故障诊断效率和精度低的问题，提出一种基于浅层Inception-MobileNet 的旋转机械故障诊断模型。该模型通过拼接法将原始振动信号转换为二维图像，然后采用多尺度卷积核提取不同分辨率的特征图，并结合深度可分离卷积实现特征学习与分类。该网络在CWRU数据集和MFPT数据集上分别实现了十种故障分类和三种故障分类，分类精度为99.5 %和95.78 %。与传统的网络进行比较，该网络可提高特征提取能力，并且在相同数据集上该网络实现的故障识别精度最高。