来源：期刊VIP网 时间：
作者：邵良杉;朱思佳;
单位：辽宁工程技术大学系统工程研究所;辽宁工程技术大学工商管理学院;
摘要：为了解决滚动轴承故障诊断问题，提出一种将改进哈里斯鹰优化(Harris Hawks Optimization, HHO)算法和长短时记忆(Long Short-Term Memory, LSTM)网络相融合的智能诊断模型IHHO-LSTM。HHO算法在求解过程中容易陷入局部最优、收敛缓慢，基于这些问题引入Cauchy分布函数和模拟退火(Simulated Annealing, SA)算法，拓展全局搜索的广泛性，避免陷入局部最优。运用改进的HHO算法快速确定LSTM模型的最优超参数值，从而提高时序诊断精度。利用凯斯西储大学滚动轴承实验数据进行故障诊断实验，结果表明，IHHO-LSTM模型能够实现对滚动轴承的特征提取和故障诊断，模型准确率高达近97%。
关键词：滚动轴承;;深度学习;;哈里斯鹰优化算法;;长短时记忆网络;;工业大数据;;故障诊断
基金资助：国家自然科学基金项目(71771111)资助~~
