基于格拉姆角场和PSO-CNN的滚动轴承故障诊断方法

针对卷积神经网络的结构对滚动轴承故障诊断精度有较大影响的问题，提出一种基于格拉姆角场和粒子群优化卷积神经网络结构的故障诊断方法。采用格拉姆角场对一维轴承振动数据重构，保留原始数据信息的同时包含了时间相关性；采用粒子群优化算法对编码后的卷积神经网络结构迭代寻优。利用西储大学的轴承数据集进行试验验证，试验结果表明，该方法可自适应生成网络结构，平均诊断精度为99%,相对于其他主流卷积神经网络结构可以获得更好的故障诊断精度。