基于鲸鱼优化和批量规范化卷积神经网络的振动信号去噪
来源：机械与电子杂志2024年第04期北京时间：
作者：谭继勇;罗俊;谢江涛;秦玉玺;汪友明
单位：1. 西南电子设备研究所,四川 成都 610036 ;
2. 西安邮电大学自动化学院,陕西 西安 710121
摘要：由于初始权值的随机选取,传统卷积神经网络模型易陷入局部最优解,难以从噪声振动信号中提取纯净信号。针对这一问题,提出鲸鱼优化算法和批量规范化卷积神经网络相结合的振动信号去噪方法。该方法通过批量规范化层对隐层中的参数分布进行归一化,采用鲸鱼优化算法对网络权值参数进行寻优,解决网络模型存在局部最优的问题。将含噪振动信号的幅度谱和噪声信号的时域波形分别作为网络的训练特征和目标,充分利用振动信号在时频域上的分布特性,通过残差学习实现去噪的目的。实验表明,与小波阈值去噪方法、 EMD 方法和卷积神经网络相比,所提方法有效提升了信噪比,降低了均方误差和平均绝对误差,有效保留了振动信号原始特征,并增强了其去噪能力。
关键词：鲸鱼优化;批量规范化;深度学习;振动信号;去噪
基金资助：国家自然科学基金资助项目( 51875457 );陕西省重点研发计划( 2022SF-259 )
