基于深度随机神经网络集成的轴承故障诊断系统

本方案公开了轴承检测技术领域的基于深度随机神经网络集成的轴承故障诊断系统，步骤一：小波包能量谱特征提取；步骤二：初始化COOT算法，计算出参数；步骤三：构建DRNNE模型，计算适应度值；步骤四：保存种群全局最优位置和最佳适应度值；步骤五：判断适应度值是否满足寻优目标或达到算法最大迭代次数。若满足则确定最优参数，不满足则回到步骤二中重新确定；步骤六：确定最优参数n,p,m和q，输出故障诊断结果。该诊断系统基于BLS学习框架，对映射节点进行多次特征增强，结合集成学习策略，提高故障诊断模型泛化性能，并采用COOT算法优化DRNNE网络结构参数，确保模型具有较强的特征学习能力同时，进一步提高模型泛化能力。