基于最优架构搜索网络的液压泵故障诊断改进方法研究

简介

针对神经网络结构搜索方法(NAS)在搜索最优结构时存在性能评估效率偏低,以及由于模型泛化性能力不足导致液压泵故障诊断精度过低等问题,提出一种改进的Data-free NAS方法。通过引入CAME优化器和热重启余弦退火优化算法,分别替代SGD优化器和LambdaLR优化算法,对Data-free NAS的诊断精度和计算效率等性能评估验证功能进行改进优化处理。通过液压泵实测故障实验验证分析可知所提改进方法较原方法具有显著有效性和优越性;CAME优化器在优化模型的学习率和动量等权重超参数方面具有明显优势,精度和效率分别提升了7.24%和37.5%,且精度高达100%;热重启余弦退火优化算法可优化学习率参数,使效率提升了81.25%。