基于改进PSO优化双尺度CNN的齿轮箱故障诊断

摘要：

粒子群算法进行超参数寻优时容易出现收敛速度慢、寻优时间长,并且传统的故障诊断算法依赖人工提取故障特征,需要丰富的专家经验,对此,提出一种基于改进粒子群算法优化双尺度卷积神经网络的齿轮箱故障诊断方法.该方法在粒子群算法的寻优方法上增加随机预测点,加快了参数寻优速度,并使用双尺度卷积层,提高了神经网络的诊断精度.实验表明,经改进的粒子群算法相较于粒子群算法、遗传算法和萤火虫算法提高了寻优速度,双尺度卷积神经网络比常用的智能诊断方法具有更加优秀的识别能力.

关键词：齿轮箱、故障诊断、双尺度卷积神经网络、粒子群算法

所属期刊栏目：60

分类号：TH17

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：88-92,96