[发明专利]改进的基于PNN的轴承故障诊断方法、装置和存储介质

说明书

本发明实施例提供改进的基于PNN的轴承故障诊断方法、装置和存储介，涉及轴承故障诊断技术领域。其中，这种轴承故障诊断方法包含步骤S1至步骤S4。S1、获取鲸鱼优化算法的初始参数。S2、根据初始参数，基于对立学习策略，生成初始化鲸落种群。S3、根据初始参数和初始化鲸落种群，通过鲸鱼优化算法迭代得到最优鲸鱼位置。S4、以最优鲸鱼位置为PNN的光滑因子，构建用以诊断轴承故障情况的PNN模型。通过对立学习策略选取鲸鱼优化算法的初始种群，从而提高其全局搜索的能力。并通过结合了对立学习策略的鲸鱼优化算法对概率神经网络的光滑因子进行选取，提高其模型识别的能力，使其诊断性能更好更准确。

技术领域

本发明涉及轴承故障诊断技术领域，具体而言，涉及一种改进的基于PNN的轴承故障诊断方法、装置和存储介。

背景技术

轴承用于支撑机械旋转体，降低其旋转过程中的摩擦系数，保证其旋转精度。轴承安装较为简单，工作效率高，润滑简单等。该部件的工作性能、稳定性、使用年限等，都和最终的设备性能关系紧密。

滚动轴承出现损坏的情况具有多元性，它为典型的旋转部件，对其故障进行深入剖析，将会对最终的设备维护投入与实际生产价值产生直接影响。

如申请号为“CN201910521937.6”的中国发明专利所公开的“基于PNN-IFA的轴承故障诊断方法”，采用了较为创新的诊断技术对轴承进行故障诊断。但是，其诊断精度并不稳定。

有鉴于此，申请人在研究了现有的技术后特提出本申请。

发明内容

本发明提供了一种改进的基于PNN的轴承故障诊断方法、装置和存储介，以改善上述技术问题中的至少一个。

第一方面、

本发明实施例提供了一种改进的基于PNN的轴承故障诊断方法，其包含步骤S1至步骤S4。

S1、获取鲸鱼优化算法的初始参数。

S2、根据初始参数，基于对立学习策略，生成初始化鲸落种群。

S3、根据初始参数和初始化鲸落种群，通过鲸鱼优化算法迭代得到最优鲸鱼位置。

S4、以最优鲸鱼位置为PNN的光滑因子，构建用以诊断轴承故障情况的PNN模型。

第二方面、

本发明实施例提供了一种改进的基于PNN的轴承故障诊断装置，其包含：

初始参数获取模块，用于获取鲸鱼优化算法的初始参数。

初始鲸落生成模块，用于根据初始参数，基于对立学习策略，生成初始化鲸落种群。

输出模块，用于根据初始参数和初始化鲸落种群，通过鲸鱼优化算法迭代得到最优鲸鱼位置。

诊断模型构建模块，用于以最优鲸鱼位置为PNN的光滑因子，构建用以诊断轴承故障情况的PNN模型。

第三方面、

本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如第一方面任意一段所说的改进的基于PNN的轴承故障诊断方法。

通过采用上述技术方案，本发明可以取得以下技术效果：

本发明实施例通过对立学习策略选取鲸鱼优化算法的初始种群，从而提高其全局搜索的能力。并通过结合了对立学习策略的鲸鱼优化算法对概率神经网络的光滑因子进行选取，提高其模型识别的能力，使其诊断性能更好更准确。

附图说明