一种基于小样本数据的滚动轴承故障诊断方法

本发明公开一种基于小样本数据的滚动轴承故障诊断方法，该方法基于SqueezeNet卷积神经网络，通过迁移学习技术，在利用预训练模型的基础上进行微调，显著提升了对小样本数据集的学习能力和诊断准确性；尤其针对滚动轴承故障，本方法能够准确识别不同故障类型及其严重程度。本发明方法采用的故障预测模型参数量小、计算复杂度低，适用于嵌入式设备或资源受限的场景，同时能够满足实时故障诊断的需求，不仅可应用于滚动轴承的故障诊断，还可推广至其他机械设备的状态监测和故障诊断任务，具有较强的通用性和灵活性。