混沌萤火虫参数优化去噪自动编码器在轴承故障诊断中应用

为提高滚动轴承的故障诊断效率,设计了一种混沌萤火虫参数优化去噪自动编码器(DAE),标记为CFADAE。在DAE基础上建立得到深度网络,通过DAE从中提取出首层特征,再利用自动编码器(AE)堆叠的方式构建深度网络,提取得到更深层特征参数。研究结果表明:相比较标准萤火虫算法(FA)数据,混沌萤火虫算法(CFA)方法的准确率更高,标准差更小。混沌改进萤火虫算法能够达到更准确诊断的效果,同时降低了波动程度。通过DAE网络进行诊断所得的平均准确率可以达到95.84%,推断结合去噪AE和L2惩罚项使模型获得更强的鲁棒性和泛化能力,提升诊断性能。本研究实现准确诊断轴承故障信号,可以拓展到其他的机械传动领域。