基于改进HHO-LSTM的滚动轴承故障诊断研究
邵良杉
朱思佳
辽宁工程技术大学 系统工程研究所, 葫芦岛 125105;辽宁工程技术大学 工商管理学院, 葫芦岛 125105
摘要：为了解决滚动轴承故障诊断问题,提出一种将改进哈里斯鹰优化(Harris Hawks Optimization,HHO)算法和长短时记忆(Long Short-Term Memory,LSTM)网络相融合的智能诊断模型IHHO-LSTM.HHO算法在求解过程中容易陷入局部最优、收敛缓慢,基于这些问题引入Cauchy分布函数和模拟退火(Simulated Annealing,SA)算法,拓展全局搜索的广泛性,避免陷入局部最优.运用改进的HHO算法快速确定LSTM模型的最优超参数值,从而提高时序诊断精度.利用凯斯西储大学滚动轴承实验数据进行故障诊断实验,结果表明,IHHO-LSTM模型能够实现对滚动轴承的特征提取和故障诊断,模型准确率高达近 97%.
关键词：滚动轴承深度学习哈里斯鹰优化算法长短时记忆网络工业大数据故障诊断
分类号：TH133.33(机械零件及传动装置)TP277(自动化技术及设备)
论文发表日期：2024-02-15
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：7( 17-23 )
英文信息