一种基于遗传算法的CNN-LSTM轴承故障诊断方法

摘要

本发明公开了一种基于遗传算法的CNN‑LSTM轴承故障诊断方法，包括以下步骤：首先使用轴承故障模拟实验平台采集故障数据，采用基于重叠采样的数据增强的方法扩展样本；对样本标注标签并将扩展后的样本划分为训练集和测试集，最后进行标准化。使用遗传算法(GA)对CNN‑LSTM故障诊断模型的结构参数进行选择；使用训练集训练故障诊断模型，使用测试集对轴承故障进行在线诊断。最后，使用参数迁移的方法动态微调故障诊断模型结构，实现轴承跨工况故障诊断。本发明克服了依靠人工提取特征对故障轴承识别精度低，人工经验选择故障诊断模型结构导致准确率不高以及单一卷积神经网络难以捕获时间序列数据的问题。