基于一维CNN参数优化的压缩振动信号故障诊断

• 作者: 王双川 白华军 贾希胜 郭驰名 马云飞
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 卷积神经网络 压缩感知 多目标粒子群 正交试验 故障诊断
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 电子技术
• 页码范围: 1911-1919
• 页数: 9页
• 分类号: TH212|TH213.3
• 字数: 4755字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2020.09.05

摘要

针对一维卷积神经网络(convolutional neural network,CNN)参数多的特点,提出一种正交试验和粒子群优化算法相结合的参数优化方法,并将其应用于压缩振动信号故障诊断.压缩感知理论突破了奈奎斯特采样定理的限制,为大量振动信号的采集与传输提供一种有效途径.首先利用CNN“端-端”特性,建立了基于压缩信号的CNN故障诊断模型.利用正交试验进行参数范围的粗略评价,选择出最优方案.对最优方案中每个参数,利用多目标粒子群优化算法进行细化,得出精确的参数最优取值.选择齿轮箱实测信号和西储大学轴承信号作为研究对象.实验结果表明,经过优化后非劣粒子的输出特征分类明显,CNN诊断率有明显提高,也证明了对压缩信号直接进行故障诊断的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭驰名	陆军工程大学石家庄校区装备指挥与管理系	4	1	1.0	1.0
2	贾希胜	陆军工程大学石家庄校区装备指挥与管理系	5	1	1.0	1.0
3	王双川	陆军工程大学石家庄校区装备指挥与管理系	7	2	1.0	1.0
4	马云飞	陆军工程大学石家庄校区装备指挥与管理系	5	1	1.0	1.0
5	白华军	陆军工程大学石家庄校区装备指挥与管理系	1	0	0.0	0.0