一种基于压缩感知与轻量级Squeeze Net模型的风电机组轴承故障诊断方法

本发明公开了一种基于压缩感知和轻量级SqueezeNet模型的风电机组轴承故障诊断方法。该方法根据风电机组滚动轴承的振动信号特性，利用压缩感知技术对原始信号进行压缩，去除数据冗余，减少数据传输压力。将压缩后的信号用压缩采样匹配追踪(CoSaMP)算法进行重构。利用递归图编码技术将重构重构后的信号转化成二维图像，保留信号间的时间信息，防止信息丢失。随着网络深度的加深，容易出现会出现梯度消失或弥撒的问题。结合残差思想对SqueezeNet模型进行改进，通过减少Fire module和加入残差块提升了模型性能并进一步轻量化。该方法通过CS技术去除数据冗余并减少传输压力，减少了递归图编码过程的计算量，突出故障特征。将递归图输入到改进的SqueezeNet模型进行故障分类。本发明方法在风电机组轴承故障诊断中具有更高准确率。