%0 Journal Article
%A 李益兵1
%A 2
%A 马建波1
%A 2
%A 江丽1
%A 2
%T 基于SFLA改进卷积神经网络的滚动轴承故障诊断
%D 2020
%R 
%J 振动与冲击
%P 187-193
%V 39
%N 24
%X 针对卷积神经网络（Convolutional Neural Network, CNN）用于滚动轴承故障诊断时，训练次数比较多，网络结构不容易确定等问题，设计了一种基于混合蛙跳（Shuffled Frog Leaping Algorithm, SFLA）优化CNN的算法（SFLA-CNN），以及基于该算法的滚动轴承故障诊断模型。该模型利用SFLA强大的全局寻优能力和局部深度搜索能力来优化CNN结构，随后运用具有最优结构的CNN模型直接从原始振动信号中提取低维故障特征，并将其输入到Softmax分类器中进行故障识别。与BP神经网络、CNN等方法对比分析，试验结果表明，SFLA-CNN算法具有更高的准确率以及更少的训练次数。
%U https://jvs.sjtu.edu.cn/CN/abstract/article_10070.shtml