基于SSAE-IARO-BiLSTM的工业过程故障诊断研究

来源：振动与冲击杂志2024年第15期北京时间：

作者：张瑞成，孙伟良，梁卫征

单位：华北理工大学电气工程学院,河北 唐山063210

摘要：针对工业过程故障诊断精度低的问题，提出了一种基于栈式稀疏自编码网络（stacked sparse Auto-encoder network,SSAE）和改进人工兔算法优化双向长短时记忆神经网络（improved artificial rabbit algorithm optimized bidirectional long short-term memory neural network,IARO-BiLSTM）的故障诊断方法。首先，利用SSAE网络强大的特征提取能力，实现对原始数据进行降维处理；其次，引入Circle混沌映射以达到丰富种群数量的目的，提出权重系数和Levy飞行机制改进人工兔算法的位置更新公式，提高人工兔算法的寻优能力，进而对BiLSTM网络的参数进行优化。最后，利用优化后的BiLSTM网络实现对故障的识别和分类。通过选取多组数据集进行验证，结果表明，基于SSAE-IARO-BiLSTM故障诊断方法能够准确地对故障进行识别和分类，且诊断准确率可达98%以上。

关键词：故障诊断；人工兔算法；双向长短时记忆网络；栈式稀疏自编码器