基于融合CNN和MPA-SVM的滚动轴承故障诊断

摘要：

传统的轴承故障需要大量的专业知识和复杂的特征提取工程,给故障识别技术带来了很大的问题.为了提高轴承故障诊断的性能,将深度学习算法与轴承故障诊断技术相结合,提出了一种基于融合卷积神经网络(CNN)和海洋捕食者(MPA)算法优化支持向量机(SVM)的滚动轴承故障诊断方法.首先,将原始时域振动信号分为一维和二维2种形式,分别输入一维和二维卷积神经网络进行自适应特征提取;其次,在聚合层进行特征信息融合;最后,利用最新的优化算法MPA对SVM进行优化.实验结果表明:经过MPA优化后的轴承故障诊断算法的准确率最高为99.6％,说明本算法具有一定的研究价值.

关键词：滚动轴承、故障诊断、卷积神经网络(CNN)、支持向量机(SVM)

所属期刊栏目：25

分类号：TH133.3

在线出版日期：2022-11-08（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：254-259