基于SFLA改进卷积神经网络的滚动轴承故障诊断

作者：李益兵; 马建波; 江丽^*

来源：振动与冲击, 2020, 39(24): 187-193.

DOI：10.13465/j.cnki.jvs.2020.24.026

• 卷积神经网络(CNN)
• 混合蛙跳算法(SFLA)
• 滚动轴承
• 故障诊断

针对卷积神经网络(CNN)用于滚动轴承故障诊断时,训练次数比较多,网络结构不容易确定等问题,设计了一种基于混合蛙跳(SFLA)优化CNN的算法(SFLA-CNN),以及基于该算法的滚动轴承故障诊断模型。该模型利用SFLA强大的全局寻优能力和局部深度搜索能力来优化CNN结构,随后运用具有最优结构的CNN模型直接从原始振动信号中提取低维故障特征,并将其输入到Softmax分类器中进行故障识别。与BP神经网络、CNN等方法对比分析,试验结果表明,SFLA-CNN算法具有更高的准确率以及更少的训练次数。

• 单位
  武汉理工大学; 机电工程学院