10.3969/j.issn.1006-1355.2023.04.020
自适应变异麻雀算法优化LSTM变速箱故障诊断
针对麻雀搜索算法(Sparrow Search Algorithm,SSA)优化深度长短时记忆网络(Long-short Term Memory,LSTM)模型参数时存在陷入局部最优、后期收敛精度不高的问题,对SSA算法进行改进,提出一种自适应变异麻雀搜索算法(Adaptive Mutation Sparrow Search Algorithm,AMSSA).AMSSA在SSA基础上,引入发现者和跟随者数量自适应调整策略、发现者和跟随者柯西变异策略,提高算法的寻优能力.以AMSSA为LTSM模型参数优化方法,建立变速箱故障诊断模型,并进行实验验证.结果表明:相比于SSA,AMSSA优化LSTM的诊断精度提升4%;相比于其他3种类型优化算法,在诊断精度提升的同时耗时更短.
故障诊断、长短时记忆网络、麻雀算法、优化、变速箱
43
TH132
国家自然科学基金;四川省教育厅科技资助项目;河南省科技厅自然科学基金资助项目
2023-08-21（万方平台首次上网日期，不代表论文的发表时间）
共6页
129-134
