申请/专利权人：长安大学

申请日：2020-12-29

公开（公告）日：2024-04-05

公开（公告）号：CN112699792B

主分类号：G06F18/2413

分类号：G06F18/2413;G06N3/0464;G06N3/08;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.05.11#实质审查的生效;2021.04.23#公开

摘要：本发明公开了一种基于正余弦算法优化卷积神经网络的机床轴承状态识别方法，本发明首先构建卷积神经网络模型，再使用正余弦算法优化卷积神经网络模型参数，最后对优化后的卷积神经网络模型对轴承的状态进行分类识别，本发明通过正余弦算法对卷积神经网络进行优化，解决了卷积神经网络模型训练时易陷入局部最优，且卷积神经网络模型参数大多靠经验人工选择的问题。本发明通过正余弦算法优化后的卷积神经网络，提高了轴承状态识别的准确率，降低了误差值，提高了工作效率。

主权项：1.基于正余弦算法优化卷积神经网络的机床轴承状态识别方法，其特征在于，包括以下步骤：步骤一，对轴承各个状态的振动信号进行归一化处理和打标签处理；步骤二，构建卷积神经网络模型；步骤三，使用正余弦算法优化卷积神经网络模型参数；其中，正余弦算法的过程如下：第一步，初始化算法参数，包括初始化种群规模N，控制参数a，最大迭代次数T等；第二步，在解的空间中随机初始化N个个体组成初始群体；第三步，计算每个个体的适应度值，并记录最优个体位置，更新迭代方程来施加扰动并更新解集；第四步，判断是否达到终止条件，终止条件为达到最大迭代次数或者达到满意解，若不满足终止条件，则返回第三步，若满足终止条件，则结束迭代，输出最优参数；具体的迭代方程分为以下正弦迭代或余弦迭代方程： 其中，是第t+1次迭代时当前解在第i维中的位置，是第t次迭代时当前解在第i维中的位置；r1是控制搜索方向的参数，r2是控制搜索距离的参数，r3是正弦余弦切换操作的参数，r4是判别系数；Pi是目标点在第i维中的位置； 其中maxt为最大迭代次数，t为迭代次数，a为常数值，r2＝rand0，2π，r3＝rand0，1；步骤四，对优化后的卷积神经网络模型进行测试和训练后，再对轴承的状态进行分类识别。

全文数据：

权利要求：

百度查询： 长安大学 基于正余弦算法优化卷积神经网络的机床轴承状态识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD