10.16652/j.issn.1004-373x.2022.01.027
基于NLF-LSTM的滚动轴承故障诊断方法
利用深度学习方法实现故障诊断过程中存在模型的超参数配置困难问题,为了有效优选模型的超参数集合,提出一种正态分布与莱维飞行(NLF)相结合的优化算法,并以此提出NLF-LSTM滚动轴承故障诊断方法.通过正态分布的集中性与莱维飞行的分散性对超参数集合多次取值,并用长短时记忆深度网络(LSTM)训练以获取最优超参数集合,再利用最优超参数集合构建故障诊断模型,实现对滚动轴承3种部位、10种状态的有效诊断.实验结果表明,与基于SVM等故障诊断方法相比,提出的方法能够有效提高识别滚动轴承故障状况的能力.这也说明基于NLF-LSTM故障诊断方法在降低研究人员配置超参数难度的同时,也使得故障诊断方法更加端对端化与智能化.
滚动轴承;故障诊断;深度学习;长短时记忆神经网络;超参数;正态分布;莱维飞行;端对端
45
TN98-34
国家自然科学基金;湖南省自然科学基金资助项目
2022-02-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
142-148