一种基于智能超参数优化的高速列车轴承故障诊断方法

本发明公开了一种基于智能超参数优化的高速列车轴承故障诊断方法。该方法采集多路振动信号，经小波自适应阈值去噪和转速归一化预处理后，提取时域、频域及时频域30维多模态特征；针对样本不均衡，采用随机掩码混合合成方法进行数据增强，并通过相关性分析两级筛选将特征维度精简至14维；构建粒子群优化随机森林主诊断模型，实现随机森林关键超参数的全局自动寻优；同时构建遗传算法优化长短期记忆网络辅助诊断模型，对主模型结果进行辅助验证。实验结果表明，主模型诊断准确率达90％，各类AUC均超过0.97，优于默认参数随机森林的88％；辅助模型宏平均F1‑score达0.72。本发明实现了超参数智能寻优与高精度故障分类的自动融合。