来源：期刊VIP网 时间：
作者：田立勇;赵建军;于宁;
单位：辽宁工程技术大学机械工程学院;
摘要：针对基于卷积神经网络(Convolution Neural Network,CNN)的滚动轴承状态识别中超参数选用对于人工经验的高度依赖性问题，提出一种基于蜉蝣算法(Mayfly Algorithm,MA)优化CNN的故障诊断模型CNN-MA。首先，该模型利用MA强大的寻优能力，以CNN的诊断精度作为优化目标，自适应调节CNN中的超参数；其次，采用归一化后的原始信号图像集，尽可能保留了信号的特征；最后，为了评估参数在优化模型中的有效性，与粒子群优化(Particle Swarm Optimization,PSO)算法的CNN模型进行对比。所提模型拥有更稳定的性能和更高的识别精度，同时具备良好的抗噪能力，充分显示了在滚动轴承故障诊断应用中的可行性和可靠性。
关键词：卷积神经网络;;蜉蝣算法;;滚动轴承;;故障诊断
