科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对麻雀搜索算法（Sparrow Search Algorithm,SSA）优化深度长短时记忆网络（Long-short Term Memory,LSTM）模型参数时存在陷入局部最优、后期收敛精度不高的问题，对SSA算法进行改进，提出一种自适应变异麻雀搜索算法（Adaptive Mutation Sparrow Search Algorithm,AMSSA）。AMSSA在SSA基础上，引入发现者和跟随者数量自适应调整策略、发现者和跟随者柯西变异策略，提高算法的寻优能力。以AMSSA为LTSM模型参数优化方法，建立变速箱故障诊断模型，并进行实验验证。结果表明：相比于SSA,AMSSA优化LSTM的诊断精度提升4%；相比于其他3种类型优化算法，在诊断精度提升的同时耗时更短。
-
单位郑州升达经贸管理学院; 四川职业技术学院
