基于RegNet-CSAM與ZOA-KELM模型的滾動軸承故障診斷

摘要： 針對現(xiàn)有深度卷積神經(jīng)網(wǎng)絡(luò)對滾動軸承混合故障診斷效果不佳以及模型復雜度過高導致計算成本過大等問題，提出了一種基于RegNet-CSAM與ZOA-KELM模型的滾動軸承故障診斷方法。該模型由RegNet-CSAM網(wǎng)絡(luò)和ZOA-KELM分類算法組成。首先，將融合了通道和空間特征的注意力機制CSAM與組卷積殘差模塊結(jié)合，提升該結(jié)構(gòu)的表征能力，由此構(gòu)建的RegNet-CSAM網(wǎng)絡(luò)，模型復...