文献类型：期刊文章

作　　者：程亮[1] 董子健[2] 王树民[1] 张金营[3] 陈建奇[1]

CHENG Liang;DONG Zijian;WANG Shumin;ZHANG Jinying;CHEN Jianqi(School of Mechanical and Electric Engineering,Handan College,Handan Hebei 056005,China;School of Control and Computer Engineering,North China Electric Power University,Baoding Hebei 071003,China;China Energy Investment Corporation Limited,Beijing 100011,China)

机构地区：[1]邯郸学院机电学院,河北邯郸056005 [2]华北电力大学控制与计算机工程学院,河北保定071003 [3]国家能源投资集团有限责任公司,北京100011

出　　处：《机械设计与研究》

基　　金：国家重点研发计划资助项目(2018YFB0604204)。

年　　份：2023

卷　　号：39

期　　号：3

起止页码：126-130

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2023_2024、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对滚动轴承故障特征提取困难,导致故障诊断模型训练次数比较多且诊断准确率不够高的问题,提出基于改进樽海鞘群算法(ISSA)优化CBAM-1DCNN结构参数的滚动轴承故障诊断模型。将一维卷积神经网络(1DCNN)与注意力机制(CBAM)相结合,且在1DCNN中添加BN层,利用改进樽海鞘群算法对CBAM-1DCNN网络结构参数进行优化。结果表明:经改进樽海鞘群算法优化的CBAM-1DCNN滚动轴承故障诊断模型在较少的训练次数下达到最好的拟合效果和更高的故障识别精度,且具有良好的泛化能力。

关 键 词：故障诊断 一维卷积神经网络  注意力机制  BN层  改进樽海鞘群算法  

分 类 号：TH113.1]