基于MA优化CNN的滚动轴承故障诊断研究
田立勇
赵建军
于宁
辽宁工程技术大学 机械工程学院,阜新 123000
摘要：针对基于卷积神经网络(Convolution Neural Network,CNN)的滚动轴承状态识别中超参数选用对于人工经验的高度依赖性问题,提出一种基于蜉蝣算法(Mayfly Algorithm,MA)优化CNN的故障诊断模型CNN-MA.首先,该模型利用MA强大的寻优能力,以CNN的诊断精度作为优化目标,自适应调节CNN中的超参数;其次,采用归一化后的原始信号图像集,尽可能保留了信号的特征;最后,为了评估参数在优化模型中的有效性,与粒子群优化(Particle Swarm Optimization,PSO)算法的CNN模型进行对比.所提模型拥有更稳定的性能和更高的识别精度,同时具备良好的抗噪能力,充分显示了在滚动轴承故障诊断应用中的可行性和可靠性.
关键词：卷积神经网络蜉蝣算法滚动轴承故障诊断
分类号：TH133.3(机械零件及传动装置)
论文发表日期：2024-08-15
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：7( 795-801 )
英文信息