A Lightweight Rolling Bearing Fault Diagnosis Method Based on Multiscale Depth-Wise Separable Convolutions and Network Pruning

Fault diagnosis in rolling bearings is critical important in preventing machinery damage. Current deep learning-based approaches for rolling bearing fault diagnosis mainly rely on complex models that require significant hardware storage and computing power. In this paper, we introduce a multiscale D...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Qingming Hu, Xinjie Fu, Dandan Sun, Donghui Xu, Yanqi Guan
Format:	Artigo
Język:	Inglês
Wydane:	IEEE 2024-01-01
Seria:	IEEE Access
Hasła przedmiotowe:	Depth-wise separable convolutions fault diagnosis image classification network pruning
Dostęp online:	https://ieeexplore.ieee.org/document/10634161/
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!