基于CNN-DE-SVM的滚动轴承故障诊断研究

摘要：

滚动轴承是各类旋转机械中最为重要的元件之一,若滚动轴承在机械设备运行过程中发生故障又无法及时判断出故障,所造成的连锁反应会对整条生产线产生影响,从而给企业造成经济损失.为了及时判断出滚动轴承所发生的故障,提出一种基于卷积神经网络(CNN)和差分进化算法(DE)优化支持向量机(SVM)的故障诊断模型(CNN-DE-SVM),针对滚动轴承的典型故障开展研究.结果表明,CNN-DE-SVM模型拥有较高的特征提取性能与故障诊断精度.

关键词：卷积神经网络、差分进化算法、滚动轴承、故障诊断、支持向量机

所属期刊栏目：39

分类号：TP306(计算技术、计算机技术)

资助基金：江西省科技厅重大研发专项03及5G项目20224ABC03A15

在线出版日期：2023-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：38-41