排序方式: 共有27条查询结果,搜索用时 0 毫秒
1.
2.
粒子群优化的神经网络在故障诊断中的应用 总被引:1,自引:0,他引:1
为提高齿轮箱故障诊断性能,建立了以齿轮箱振动信号的时频域特征为输入,以齿轮箱的主要故障形式为输出的神经网络。采用粒子群优化算法代替反向传播算法来训练神经网络的权重和阈值,利用训练后的神经网络对齿轮箱进行了故障诊断,并比较了基于粒子群优化算法与BP算法的诊断结果。结论是基于粒子群优化算法神经网络具有较好训练性能,收敛速度快,迭代步数少,诊断精度高,具有良好的故障识别率。 相似文献
3.
4.
为了提高掘进工作面离心风机导流效果,提出对离心风机圆弧形集流器加米字支撑架改造。通过建立离心风机几何模型和数值模型,并施加边界条件,利用Fluent软件对加米字圆弧集流器和普通圆弧集流器离心风机进行了整机内部流场数值模拟,采用Tecplot软件进行后处理,显示同流量下离心风机的压力云图。 相似文献
5.
齿轮箱传感器优化布置研究 总被引:7,自引:0,他引:7
提出利用粒子群优化(PSO)算法解决齿轮箱故障检测中传感器优化布置问题的方法。在着重分析加速度传感器优化布置的模态置信准则后,构建了应用PSO算法解决此类优化问题的适应度函数。以齿轮箱有限元建模和模态分析结果为依据,以适应度函数作为评价目标,应用加速度自适应粒子群优化算法,实现了齿轮箱传感器的优化与定位。通过齿轮箱的试验模态分析和频响函数特性分析,证明了基于PSO算法的齿轮箱传感器优化布置方法是可行的。用优化后的6个测点布置传感器,故障诊断精度提高26.1%. 相似文献
6.
7.
通过CFD仿真对柱塞泵柱塞腔和配流盘的流动特性进行了研究,建立了SCY-14型柱塞泵流体的几何模型和物理模型,在对配流过程非定常流场各个位置流态进行流态判断后,采用层流加局部湍流的数学模型模拟流场的实际状态。根据轴向柱塞泵工作时的两个主运动,采用滑移网格模型模拟柱塞与缸体相对配流盘的旋转运动及采用动网格模型模拟柱塞沿缸体轴线相对缸体的往复运动。通过设定边界条件和工作条件,对处于不同旋转角度柱塞泵的流态特性进行CFD仿真。仿真结果表明:柱塞泵在吸排油过程中,即低压向高压转换和高压向低压转换的过程中,柱塞腔内部有比较明显的压力冲击现象。柱塞腔的压力冲击主要是由柱塞泵配流过程中的流量倒灌和阻尼槽的节流作用共同影响形成,压力脉动周期由泵的转速和柱塞数决定。 相似文献
8.
针对核主元分析在参数设置上的盲目性,提出应用粒子群优化算法优化核函数参数.并将核主元分析应用于特征提取中.首先建立核函数参数优化的数学模型,然后应用加速度自适应粒子群优化算法对其寻优,并通过Iris数据集进行仿真研究,验证其提取特征的有效性.将优化的核主元分析方法应用于齿轮箱典型故障的特征提取中,结果表明:参数优化的核主元分析能有效降低齿轮箱特征向量的维数,较线性主元分析取得更好的故障识别效果.该方法在机械故障信号的非线性特征提取中具有优势. 相似文献
9.
为了解决行星齿轮箱故障特征提取困难的问题,考虑到行星齿轮箱振动信号的耦合、非线性的特点,提出基于局域均值分解(LMD)的样本熵和极限学习机(ELM)结合的行星齿轮箱故障诊断方法。首先,利用局域均值分解方法将振动信号自适应地分解为多个PF分量,结合相关系数选取包含主要故障信息的前4个PF分量。其次,应用样本熵方法进行计算,组成特征向量。最后,将特征向量输入极限学习机进行故障分类。在行星齿轮箱实验台上进行了实验,与基于概率神经网络(PNN)分类算法进行了对比,并与基于奇异值分解(SVD)构成的特征向量进行了对比,结果验证了该方法的有效性。 相似文献
10.
综合研究了影响柱塞泵瞬时流量的各个主要因素,对比于瞬时流量只考虑油液泄漏的传统分析方法,新建立的瞬时流量的计算方法还考虑了可压缩介质的容积损失和经阻尼槽的倒灌现象等因素,由此得出的结论更加接近实际情况。实例分析对比2种算法得到的结果,可知在计算柱塞泵瞬时流量时考虑可压缩性及经阻尼槽的倒灌等因素比不考虑这些因素所得结果要小很多。 相似文献