基于GA-CNN的滚动轴承故障诊断

• 作者: 李雪颖 刘慧明
• 来源期刊: 电子测量技术
• 关键词: 卷积神经网络 网络结构 遗传算法 滚动轴承故障诊断
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 数据采集及信号处理|Data Acquisition and Signal Processing
• 页码范围: 126-131
• 页数: 6页
• 分类号: TH133.3|TP18
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2005553

摘要

为了解决滚动轴承故障诊断中人工选择卷积神经网络(CNN)结构具有不确定性从而导致诊断准确率低的问题,以CNN为基础,提出一种应用遗传算法(GA)自适应选择CNN网络结构的滚动轴承故障诊断新方法GA-CNN.首先对滚动轴承故障信号进行特征提取,然后将故障特征分别输入经GA改进的CNN和3组人工随机选择网络结构的CNN进行特征识别,最后将实验结果进行对比得出结论.GA自动选择CNN网络最佳结构,避免了人工选择CNN网络结构具有的不确定性,从而减少参数选择所需时间并提高滚动轴承故障诊断准确率.实验验证表明,所提出的基于GA-CNN的滚动轴承故障诊断方法与人工随机选择CNN网络结构相比,极大提高了故障诊断效率并具有更高的准确性.