基于双通道CNN与SSA-SVM的滚动轴承故障诊断
唐伯宇
邵星
王翠香
皋军
盐城工学院信息工程学院,江苏盐城 224051;盐城工学院机械工程学院,江苏盐城 224051
摘要：为有效提取滚动轴承故障信号特征,解决分类器对提取特征存在较强依赖的问题,本文提出了一种双通道特征融合卷积神经网络(CNN)与麻雀搜索算法优化的支持向量机(SSA-SVM)相结合的滚轴承故障诊断方法.通过建立一维卷积神经网络和二维卷积神经网络并行的双通道结构对轴承数据中的特征进行提取,并将双通道CNN提取到的故障特征在融合层融合,将全连接层结果作为SSA-SVM分类层的输入.通过SSA对SVM的参数进行优化来提高模型的分类精度.最后,在凯斯西储大学轴承数据集上将双通道CNN与SSA-SVM模型跟传统一维卷积神经网络和二维卷积神经网络进行对比以验证其有效性.实验结果表明,该模型有着更高的故障识别准确率.本文中所有代码与实验结果均己开源,可在
关键词：故障诊断滚动轴承卷积神经网络支持向量机
论文发表日期：2024-09-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 1626-1635 )
英文信息