發(fā)布時(shí)間：2022-12-08 05:37

　　針對(duì)一維卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network,CNN）參數(shù)多的特點(diǎn),提出一種正交試驗(yàn)和粒子群優(yōu)化算法相結(jié)合的參數(shù)優(yōu)化方法,并將其應(yīng)用于壓縮振動(dòng)信號(hào)故障診斷。壓縮感知理論突破了奈奎斯特采樣定理的限制,為大量振動(dòng)信號(hào)的采集與傳輸提供一種有效途徑。首先利用CNN"端-端"特性,建立了基于壓縮信號(hào)的CNN故障診斷模型。利用正交試驗(yàn)進(jìn)行參數(shù)范圍的粗略評(píng)價(jià),選擇出最優(yōu)方案。對(duì)最優(yōu)方案中每個(gè)參數(shù),利用多目標(biāo)粒子群優(yōu)化算法進(jìn)行細(xì)化,得出精確的參數(shù)最優(yōu)取值。選擇齒輪箱實(shí)測信號(hào)和西儲(chǔ)大學(xué)軸承信號(hào)作為研究對(duì)象。實(shí)驗(yàn)結(jié)果表明,經(jīng)過優(yōu)化后非劣粒子的輸出特征分類明顯,CNN診斷率有明顯提高,也證明了對(duì)壓縮信號(hào)直接進(jìn)行故障診斷的可行性。 

【文章頁數(shù)】：9 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)特征提取和WOA-SVM狀態(tài)識(shí)別的軸承故障診斷[J]. 趙春華,胡恒星,陳保家,張毅娜,肖嘉偉.  振動(dòng)與沖擊. 2019(10)
[2]基于平移不變CNN的機(jī)械故障診斷研究[J]. 朱會(huì)杰,王新晴,芮挺,張欲保,李艷峰.  振動(dòng)與沖擊. 2019(05)
[3]旋轉(zhuǎn)機(jī)械一維深度卷積神經(jīng)網(wǎng)絡(luò)故障診斷研究[J]. 周奇才,劉星辰,趙炯,沈鶴鴻,熊肖磊.  振動(dòng)與沖擊. 2018(23)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)化智能故障診斷算法[J]. 曲建嶺,余路,袁濤,田沿平,高峰.  控制與決策. 2019(12)
[5]基于一維卷積神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷[J]. 吳春志,江鵬程,馮輔周,陳湯,陳祥龍.  振動(dòng)與沖擊. 2018(22)
[6]基于壓縮采集與深度學(xué)習(xí)的軸承故障診斷方法[J]. 溫江濤,閆常弘,孫潔娣,喬艷雷.  儀器儀表學(xué)報(bào). 2018(01)
[7]深度學(xué)習(xí)在故障診斷領(lǐng)域中的研究現(xiàn)狀與挑戰(zhàn)[J]. 任浩,屈劍鋒,柴毅,唐秋,葉欣.  控制與決策. 2017(08)
[8]基于粒子群算法的Universum SVM參數(shù)選擇[J]. 張新峰,焦月,李歡歡,卓力.  北京工業(yè)大學(xué)學(xué)報(bào). 2013(06)



本文編號(hào)：3713659