[發明專利]一種基于隨機搜索和卷積神經網絡的軸承故障診斷方法

在審

• 申請號: 202011386823.4
• 申請日: 2020-12-01
• 公開（公告）號: CN112686366A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 葉懷光;陳迅
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G01M13/045
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 杭行

1.一種基于隨機搜索和卷積神經網絡的軸承故障診斷方法，其特征在于，包括以下步驟：

步驟（1）、對超參數組合進行初始化賦值，由隨機選擇符合約束條件的隨機數產生，超參數組合配置一維卷積神經網絡模型并訓練驗證，由目標函數求得最優超參數組合；

步驟（2）、配置隨機搜索的分布函數，將步驟（1）中得到的最優超參數組合的各超參數值分別設為各超參數對應的高斯分布函數的均值，調整分布函數的取值范圍；

步驟（3）、在訓練中更新各超參數的分布函數的參數，利用步驟（2）中配置好的分布函數，產生新的超參數組的集合，之后在網絡模型訓練試驗結果中尋優，得到最優超參數組合，用這個最優組合更新高斯分布函數，再產生新的超參數組的集合用于網絡模型訓練試驗，重復這一過程；

步驟（4）、選擇最優的超參數配置，當隨機搜索不再產生更優異超參數時停止隨機搜索，得到配置神經網絡的最優超參數組合，如此經過訓練試驗得到最終的軸承智能診斷網絡模型。

2.根據權利要求1所述的一種基于隨機搜索和卷積神經網絡的軸承故障診斷方法，其特征在于，所述步驟（1）中的超參數組合初始化需要選擇特定的超參數在三個至六個之間。

3.根據權利要求1所述的一種基于隨機搜索和卷積神經網絡的軸承故障診斷方法，其特征在于，所述步驟（2）、步驟（3）中用表現優異的超參數組合來配置分布函數，每個超參數對應一個特定的分布函數，分布函數使用高斯分布函數，如此在下一輪中隨機搜索出表現優異的超參數附近的新的超參數，同時小概率產生遠離表現優異的超參數的新的超參數，避免局部優化。

4.根據權利要求1所述的一種基于隨機搜索和卷積神經網絡的軸承故障診斷方法，其特征在于，所述步驟（4）中停止隨機搜索超參數的條件為，在下一輪的試驗結果中沒有產生表現更為優異的超參數組合，選擇歷次訓練結果中的最優表現的超參數組合，得到最終的經過隨機搜索優化的神經網絡診斷模型。