Noise and Vibration Control ›› 2023, Vol. 43 ›› Issue (4): 129-134.

Previous Articles     Next Articles

Gearbox Fault Diagnosis Based on LSTM Optimized by Adaptive Mutation Sparrow Search Algorithm

  

  • Online:2023-08-18 Published:2023-08-18

自适应变异麻雀算法优化LSTM变速箱故障诊断

蒋开正1,吕丽平2

  

  1. ( 1. 四川职业技术学院汽车工程系,四川遂宁629000;
    2. 郑州升达经贸管理学院信息工程学院,郑州451191 )

摘要: 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。

关键词: 故障诊断, 长短时记忆网络, 麻雀算法, 优化, 变速箱