机械工程学报

作者：吴艳灵, 汤宝平, 邓蕾, 付豪

单位：重庆大学高端装备机械传动全国重点实验室 重庆 400044

关键词：边缘故障诊断,神经架构搜索,低通筛选,模型轻量化,风电齿轮箱；

基金：国家自然科学基金(52375082，52275087)、中央高校科研业务费专项资金(2023CDJXY-025)和重庆市研究生科研创新(CYS23139)资助项目。

边缘侧故障诊断要求深度学习模型轻量化，但现有的模型设计方法多为手动设计，费时耗力，同时设计的模型不考虑边缘硬件可配置的资源容量，使得设计的模型可能无法满足部署要求。基于此，提出了一种低通筛选优化的神经架构搜索算法，在考虑硬件可配置资源容量时，为边缘硬件自动设计故障诊断模型。首先，设计一个经验启发的搜索空间以降低轻量化和高精度模型的搜索难度，然后建立一个低通筛选奖励函数，引导智能体在搜索过程中迭代的筛选低于硬件可配置资源容量条件的轻量化诊断模型，最后采用帕累托支配得到竞争性帕累托最优解集，并为边缘硬件选择最优的部署模型实现风电齿轮箱的边缘侧故障诊断。最终通过行星齿轮箱试验和实际应用案例分析对所提方法的有效性和可行性进行验证。结果表明搜索的模型在准确率、浮点数计算量、参数量方面均优于对比模型。特别是在应用案例中，相比最优性能的深度模型GoogLeNet-v1和边缘友好模型MobileNet-v2，搜索的模型LSNAS-Netb准确率提升3.06%和3.65%，同时参数量和浮点数计算量仅达到GoogLeNet-v1的1/15.56、1/5.47，MobileNet-v2的1/6.19、1/1.18。

来源：2025年第7期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第7期