| 基于融合CNN与PSO-SVM的滚动轴承故障诊断 |
| |
| 引用本文： | 王永鼎,金子琦.基于融合CNN与PSO-SVM的滚动轴承故障诊断[J].机械强度,2021,43(4):793-797. |
| |
| 作者姓名： | 王永鼎 金子琦 |
| |
| 作者单位： | 上海海洋大学工程学院,上海201306 |
| |
| 摘 要： | 针对滚动轴承故障识别过程中,难以提取细微故障特征的问题,提出一种基于融合卷积神经网络与基于粒子群优化算法的支持向量机相结合的滚动轴承故障诊断方法.该方法将轴承振动信号同时作为一维卷积神经网络和二维卷积神经网络的输入信号,并在汇聚层中将提取到的故障信息融合,最后通过优化后的分类器提高故障识别准确率.为了验证该方法的诊断性能,将与融合卷积神经网络同规格的一维卷积神经网络和二维卷积神经网络进行对比.试验结果表明,该方法不仅可以提高故障识别准确率,还可以在信号受到噪声污染时保持良好的诊断性能.
|
| 关 键 词： | 滚动轴承 故障诊断 卷积神经网络 SVM |
ROLLING BEARING FAULT DIAGNOSIS BASED ON FUSION CNN AND PSO-SVM |
| |
| WANG YongDing,JIN ZiQi.ROLLING BEARING FAULT DIAGNOSIS BASED ON FUSION CNN AND PSO-SVM[J].Journal of Mechanical Strength,2021,43(4):793-797. |
| |
| Authors: | WANG YongDing JIN ZiQi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
