一种基于随机搜索和卷积神经网络的轴承故障诊断方法技术

本发明专利技术涉及轴承故障预测诊断领域，公开了一种基于随机搜索和卷积神经网络的轴承故障诊断方法，通过结合随机搜索算法优化超参数，建立卷积神经网络模型，用于智能诊断滚动轴承故障，解决了现有技术中的传统方法准确度不够和智能方法中人工调参繁琐费时的问题。该方法包括以下步骤：（1）初始化超参数组合。（2）配置随机搜索的分布函数。（3）不断更新随机搜索的分布函数。（4）选择最优的超参数配置。经过训练得到最终的轴承智能诊断网络模型。有益效果：经过两层卷积和单层池化层的交替连接结构，卷积层对输入的数据作卷积操作，学习数据特征，池化层设计为最大池化，最大池化层的池化核操作会增强卷积层学习得到的数据特征。作会增强卷积层学习得到的数据特征。作会增强卷积层学习得到的数据特征。

【技术实现步骤摘要】
一种基于随机搜索和卷积神经网络的轴承故障诊断方法


[0001]本专利技术涉及轴承故障预测诊断领域，尤其涉及一种基于随机搜索和卷积神经网络的轴承故障诊断方法。

技术介绍

[0002]目前，滚动轴承故障的诊断方案分为两类。一类是传统方法，用信号分析和特征提取的方法对原始数据进行特征提取后再用模式识别的方法对滚动轴承进行故障诊断。另一类是智能诊断方法，用机器学习的方法直接学习原始振动数据对滚动轴承故障进行诊断。传统方法费时费力，而且人工提取特征易丢失原始信息，诊断的准确性也不够，而智能诊断方法相较传统方法更为准确，但也存在着人工调参繁琐、网络需要进一步优化的问题。

技术实现思路

[0003]为了克服现有的传统方法在滚动轴承故障诊断中的准确度不足和智能方法中的人工调参无法很好的优化网络问题，本专利技术设计了基于高斯分布的随机搜索算法优化超参数建立深度卷积神经网络模型的滚动轴承故障诊断方法。该方法不仅能解决超参数优化网络模型的问题，也能弥补传统方法准确度不足的缺陷。
[0004]本专利技术通过如下技术方案实现：一种基于随机搜索和卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机搜索和卷积神经网络的轴承故障诊断方法，其特征在于，包括以下步骤：步骤（1）、对超参数组合进行初始化赋值，由随机选择符合约束条件的随机数产生，超参数组合配置一维卷积神经网络模型并训练验证，由目标函数求得最优超参数组合；步骤（2）、配置随机搜索的分布函数，将步骤（1）中得到的最优超参数组合的各超参数值分别设为各超参数对应的高斯分布函数的均值，调整分布函数的取值范围；步骤（3）、在训练中更新各超参数的分布函数的参数，利用步骤（2）中配置好的分布函数，产生新的超参数组的集合，之后在网络模型训练试验结果中寻优，得到最优超参数组合，用这个最优组合更新高斯分布函数，再产生新的超参数组的集合用于网络模型训练试验，重复这一过程；步骤（4）、选择最优的超参数配置，当随机搜索不再产生更优异超参数时停止随机搜索，得到配置神经网络的最优超参数组合，如此经过训练试验得到最终的轴承智能诊断...

【专利技术属性】
技术研发人员：叶怀光，陈迅，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：