基于融合CNN和SSA-SVM的滚动轴承故障诊断

王一帆; 郝如江; 郭梓良; 杨文哲; 赵瑞祥

doi:10.13319/j.cnki.sjztddxxbzrb.20220058

石家庄铁道大学学报（自然科学版） ›› 2022, Vol. 35 ›› Issue (02) : 87 -92. DOI: 10.13319/j.cnki.sjztddxxbzrb.20220058

基于融合CNN和SSA-SVM的滚动轴承故障诊断

王一帆, 郝如江, 郭梓良, 杨文哲, 赵瑞祥

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对滚动轴承故障诊断问题，提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取，将提取到的特征输入到麻雀算法优化的支持向量机中，使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证，此方法故障诊断精度高达0.983,高于其他网络结构，且整体网络结构简单，有一定实际应用价值。