CN:36-1239/TH

ISSN:1672-3872

半月刊

JST日本科学技术振新机构数据库(日)(2025)

中文核心期刊(遴选)数据库收录期刊

中文科技期刊数据库收录期刊

中国学术期刊(光盘版)全文收录期刊

中国期刊网收录期刊

中国学术期刊综合评价数据库 统计源期刊

搜索
搜索
这是描述信息

基于自适应 JMD 和深度学习的农机滚动轴承故障诊断方法

阅读量:100

DOI:10.3969/j.issn.1672-3872.2026.18.009

作   者:柴文涛 ,王天一 ,郭川隆 ,李 欣(河北科技师范学院数学与信息科技学院,河北 秦皇岛 066004)
 

摘 要:【目的】解决单一结构深度学习模型关键信息提取不完整、泛化能力差、诊断能力不强等问题,实现对农机滚动轴承故障的高效诊断。【方法】提出一种基于JMD和CNN-LSTM双分支神经网络的故障诊断方法。首先,引入改进型麻雀搜索算法对JMD进行优化,实现信号分解中参数的自适应选择,获取有效的AM-FM信号分量和瞬间跳跃信号分量。其次,构建CNN-LSTM双分支模型,LSTM分支专注捕捉AM-FM分量中轴承故障的长时依赖关系,CNN分支专门提取跳跃分量中故障冲击脉冲的局部关键特征,以实现对不同故障特征的诊断。最后,利用公开的滚动轴承故障数据集进行实验验证,综合评估所提方法的性能。【结果】1)在JMD算法参数寻优问题上,虽然所有算法都找到了近似最优的适应度值,但是ISSA的收敛速度更快且未陷入局部最优解。2)在500轮训练过程中,CNN-LSTM双分支模型的收敛速度最快,大约在100轮训练后准确率即接近100%,并始终维持在最高水平;同时,双分支模型在方差、95%置信区间、宏平均F1分数等方面也均优于单一CNN模型和LSTM模型。【结论】与传统方法相比,基于JMD和深度学习的滚动轴承故障诊断方法具有优越性,其融合应用为农机滚动轴承故障诊断领域提供了新的方法和思路。

关键词:麻雀搜索算法;卷积神经网络;LSTM;滚动轴承

 

引文信息:[1]柴文涛,王天一,郭川隆,等.基于自适应JMD和深度学习的农机滚动轴承故障诊断方法[J].南方农机,2026,57(18):40-44.

查看全文请下载PDF文件↓

相关下载

分类:
2026年
文件大小:
1.6M
2026-10-30 16:21:11
所属人群:
所有人
上一页
1
底部logo

版权所有:江西南方农机杂志社有限责任公司.  All rights reserved.   SEO     赣ICP备2023003226号-1       技术支持:中企动力-南昌