典型文献
基于融合CNN和SSA-SVM的滚动轴承故障诊断
文献摘要：
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(1 D 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.
文献关键词：
滚动轴承;故障诊断;卷积神经网络;支持向量机;麻雀算法
中图分类号：
作者姓名：
王一帆;郝如江;郭梓良;杨文哲;赵瑞祥
作者机构：
石家庄铁道大学 机械工程学院,河北 石家庄 050043
文献出处：
引用格式：
[1]王一帆;郝如江;郭梓良;杨文哲;赵瑞祥-.基于融合CNN和SSA-SVM的滚动轴承故障诊断)[J].石家庄铁道大学学报（自然科学版）,2022(02):87-92
A类：
B类：
SSA,滚动轴承故障诊断,诊断问题,一维卷积神经网络,麻雀算法,算法优化,优化支持向量机,卷积运算,振动信号,接进,取到,Softmax,故障数据,故障诊断精度,结构简单
AB值：
0.219685
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
