一种基于SGMD和优化CNN模型的轴承故障诊断方法

本发明公开了一种基于SGMD和优化CNN模型的轴承故障诊断方法。该方法根据轴承的振动信号特性，使用辛几何模态分解对轴承信号进行分解，得到一系列辛几何模态分量，基于皮尔逊相关系数指标选取辛几何模态分量并对其求模糊散布熵，将模糊散布熵作为特征向量构建振动信号的特征样本集。融合卷积神经网络与长短时记忆网络模型，构建CNN‑LSTM模型，利用训练样本集调整卷积核等参数得到训练后的模型。使用最小二乘法支持向量机替换训练后的CNN‑LSTM模型归一化指数函数层，基于电鳗觅食优算法优化最小二乘法支持向量机参数。最后将测试样本集输入到改进后的CNN‑LSTM模型中进行故障识别和分类。本发明方法在小样本噪声环境下轴承故障诊断中具有更高准确率。