典型文献
基于改进PSO优化双尺度CNN的齿轮箱故障诊断
文献摘要：
粒子群算法进行超参数寻优时容易出现收敛速度慢、寻优时间长,并且传统的故障诊断算法依赖人工提取故障特征,需要丰富的专家经验,对此,提出一种基于改进粒子群算法优化双尺度卷积神经网络的齿轮箱故障诊断方法.该方法在粒子群算法的寻优方法上增加随机预测点,加快了参数寻优速度,并使用双尺度卷积层,提高了神经网络的诊断精度.实验表明,经改进的粒子群算法相较于粒子群算法、遗传算法和萤火虫算法提高了寻优速度,双尺度卷积神经网络比常用的智能诊断方法具有更加优秀的识别能力.
文献关键词：
齿轮箱;故障诊断;双尺度卷积神经网络;粒子群算法
中图分类号：
作者姓名：
孔子宇;王海瑞
作者机构：
650500 云南省昆明市 昆明理工大学信息工程与自动化学院
文献出处：
引用格式：
[1]孔子宇;王海瑞-.基于改进PSO优化双尺度CNN的齿轮箱故障诊断)[J].农业装备与车辆工程,2022(08):88-92,96
A类：
双尺度卷积神经网络
B类：
PSO,齿轮箱故障诊断,超参数寻优,收敛速度,速度慢,故障诊断算法,算法依赖,故障特征,专家经验,改进粒子群算法,算法优化,故障诊断方法,卷积层,经改,改进的粒子群算法,萤火虫算法,智能诊断方法,识别能力
AB值：
0.212278
相似文献
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。
