基于GA-CNN的滚动轴承故障诊断

来源：电子测量技术杂志2021年第4期北京时间：

作者：李雪颖，刘慧明

单位：青岛科技大学自动化与电子工程学院 青岛 266000

摘要：为了解决滚动轴承故障诊断中人工选择卷积神经网络（Convolutional Neural Network, CNN）网络结构具有不确定性从而导致诊断准确率低的问题，以CNN为基础，本文提出一种应用遗传算法（Genetic Algorithm, GA）自适应选择CNN网络结构的滚动轴承故障诊断新方法GA-CNN。本文首先对滚动轴承故障信号进行特征提取，然后将故障特征分别输入经GA改进的CNN和三组人工随机选择网络结构的CNN进行特征识别，最后将实验结果进行对比得出结论。GA自动选择CNN网络最佳结构，避免了人工选择CNN网络结构具有的不确定性，从而减少参数选择所需时间并提高滚动轴承故障诊断准确率。实验验证表明本文提出的基于GA-CNN的滚动轴承故障诊断方法与人工随机选择CNN网络结构相比极大提高了故障诊断效率并具有更高的准确性。

关键词：卷积神经网络;网络结构;遗传算法;滚动轴承故障诊断