控制理论与应用

作者：唐伯宇,邵星,王翠香,皋军

单位：盐城工学院,盐城工学院,盐城工学院,盐城工学院

关键词：故障诊断; 滚动轴承; 卷积神经网络; 支持向量机

基金：国家自然科学基金项目(61502411, 62076215), 中国高校产学研创新基金“新一代信息技术创新项目”(2020ITA02057), 盐城工学院研究生科研与 实践创新计划项目(SJCX22 XZ035, SJCX22 XY061)资助.

为有效提取滚动轴承故障信号特征, 解决分类器对提取特征存在较强依赖的问题, 本文提出了一种双通道特征融合卷积神经网络(CNN)与麻雀搜索算法优化的支持向量机(SSA-SVM)相结合的滚轴承故障诊断方法. 通过建立一维卷积神经网络和二维卷积神经网络并行的双通道结构对轴承数据中的特征进行提取, 并将双通道CNN提取到的故障特征在融合层融合, 将全连接层结果作为SSA-SVM分类层的输入. 通过SSA对SVM的参数进行优化来提高模型的分类精度. 最后, 在凯斯西储大学轴承数据集上将双通道CNN与SSA-SVM模型跟传统一维卷积神经网络和二维卷积神经网络进行对比以验证其有效性. 实验结果表明, 该模型有着更高的故障识别准确率. 本文中所有代码与实验结果均已开源, 可在https://github.com/suisuisuiaa/tbysuisui获取.

来源：2024年第9期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第9期