控制理论与应用

作者：金江涛,许子非,李春,缪维跑,肖俊青,孙康

单位：上海理工大学,上海理工大学,上海理工大学,上海理工大学,上海理工大学,上海理工大学

关键词：卷积神经网络; 长短期记忆网络; 支持向量机; 混沌; 特征融合; 轴承; 故障诊断

基金：国家自然科学基金项目(51976131, 51676131, 52006148), 上海市“科技创新心动计划”地方院校能力建设项目(19060502200)资助.

本文针对现有滚动轴承智能故障诊断方法在面向大噪声背景下鲁棒性能差的问题. 基于混沌理论, 提出采用相空间重构方法还原并丰富轴承振动的动力学特性, 通过卷积神经网络(CNN)提取混沌序列中的高级抽象特征,又考虑故障信号具有长程相关性, 将低维抽象故障特征引入长短期记忆网络(LSTM), 以灰狼算法优化的支持向量机(OSVM)作为分类器, 提出CCNN (Chaotic CNN)–LSTM–OSVM智能故障诊断方法. 试验结果表明, 在处理信噪比为??6 dB信号时, 该方法仍具有89.96%的准确率, 相比以Softmax作为分类器的CNN–LSTM和CCNN–LSTM方法分别高出15.36%和5.21%, 且在收敛速度方面亦有较大优势.

来源：2022年第1期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2022年第1期