自适应卷积神经网络在旋转机械故障诊断中的应用

• 作者: 张东宁 李涛 段礼祥 毕彩霞 袁壮 赵赏鑫 黄辉
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 旋转机械 故障诊断 卷积神经网络(CNN) 深度学习模型 粒子群优化(PSO)算法
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 第七届装备振动与噪声控制青年论坛
• 页码范围: 275-282,288
• 页数: 9页
• 分类号: TH17|TN911
• 字数: 7197字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2020.16.037

摘要

针对基于机器学习模型的故障诊断存在依赖人工特征提取质量、维数灾难问题和卷积神经网络(CNN)模型构建缺乏自适应性等问题,提出了一种基于粒子群优化(PSO)算法的自适应CNN故障诊断方法,并将其应用于旋转机械故障诊断.将一维时域信号变成二维时频图像;使用PSO算法对CNN模型中的7个关键参数进行优化选取,以构建深度学习模型;将二维时频图像输入优化后的深度学习模型,对旋转机械故障进行诊断.结果 表明,所提方法具有较高的准确率、稳定性和自适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵赏鑫		6	15	2.0	3.0
2	黄辉		21	68	5.0	7.0
3	张东宁		2	1	1.0	1.0
4	毕彩霞		2	1	1.0	1.0