基于融合CNN与PSO-SVM的滚动轴承故障诊断
王永鼎
金子琦
上海海洋大学工程学院,上海201306
摘要：针对滚动轴承故障识别过程中,难以提取细微故障特征的问题,提出一种基于融合卷积神经网络与基于粒子群优化算法的支持向量机相结合的滚动轴承故障诊断方法.该方法将轴承振动信号同时作为一维卷积神经网络和二维卷积神经网络的输入信号,并在汇聚层中将提取到的故障信息融合,最后通过优化后的分类器提高故障识别准确率.为了验证该方法的诊断性能,将与融合卷积神经网络同规格的一维卷积神经网络和二维卷积神经网络进行对比.试验结果表明,该方法不仅可以提高故障识别准确率,还可以在信号受到噪声污染时保持良好的诊断性能.
关键词：滚动轴承故障诊断卷积神经网络SVM
分类号：TH133.3(机械零件及传动装置)
资助基金：农业部渔政管理项目(D-8021-19-0163)
论文发表日期：2021-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：5( 793-797 )
英文信息