基于卷积网络与自适应SVM的齿轮箱故障诊断

摘要：

针对齿轮箱运作过程中故障诊断效果不理想的问题,提出了一种卷积神经网络(CNN)与粒子群优化的支持向量机(PSO-SVM)方法.首先利用特征参量求出信号的时频特征统计量,其次利用卷积神经网络对时频特征统计量进行二次特征提取,最后利用粒子群优化的支持向量机进行分类.经实验验证,此方法准确率不仅高于其他经典网络模型,而且训练时间最短.

关键词：卷积神经网络;支持向量机;齿轮箱;故障诊断;粒子群优化算法

所属期刊栏目：20

分类号：TH132.41

资助基金：河北省引进留学人员资助项目CL201721

在线出版日期：2022-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：21-24,4