共查询到20条相似文献,搜索用时 31 毫秒
1.
基于改进小波神经网络算法的电力变压器故障诊断方法 总被引:6,自引:0,他引:6
大型电力变压器作为电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定.针对基于BP算法的小波神经网络存在收敛速度慢、搜索空间局部极小及易引起振荡等不足,本文以变压器油中溶解气体为分析对象,提出采用动量项和变学习率改进小波神经网络的变压器故障诊断算法.选择400组油中溶解气体含量作为小波神经网络训练及故障识别样本,对训练过程和仿真结果进行对比分析.实验结果表明:较之比值法,改进的小波神经网络故障诊断算法在故障识别准确率和收敛时间方面表现更优. 相似文献
2.
3.
4.
5.
基于萤火虫优化BP神经网络的数控机床故障诊断 总被引:1,自引:0,他引:1
为了提高数控机床故障预测的能力,针对BP神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题,提出了一种基于萤火虫算法优化BP神经网络的数据机床故障诊断算法。文章详细介绍了常见的数控机床故障类型和分类,在萤火虫优化算法和BP神经网络的基础上,建立了萤火虫算法优化BP神经网络的数控机床故障诊断模型,并提出了基于该模型的算法。该模型和算法采用萤火虫算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络能对测试集进行更好的预测。实验结果表明,萤火虫算法优化BP神经网络的预测误差明显小于GRNN和PNN算法。该模型和算法具有很好的预测能力,可以快速、准确地完成数控机床故障诊断研究。 相似文献
6.
7.
《现代制造工程》2017,(4)
由于变压器有载调压分接开关(On-Load Tap Changer,OLTC)机械故障征兆与机械故障类型之间有着复杂的非线性关系,采用传统的BP神经网络诊断具有准确率低、收敛速度慢和易陷入局部极小值等缺点,提出了一种自适应遗传算法(Adaptive Genetic Algorithm,AGA)优化BP神经网络的故障诊断方法。利用自适应遗传算法对BP神经网络的权值和阈值进行优化,将优化后的BP神经网络应用于OLTC机械故障诊断。仿真结果表明,AGA算法优化BP神经网络的故障诊断模型明显优于传统BP神经网络方法,有效地提高了OLTC的机械故障诊断精度和速度。 相似文献
8.
《制造业自动化》2015,(10)
变压器故障诊断是非线性模式识别过程,单一的BP(Back Propagation)神经网络收敛速度慢、容易陷入局部最小值,提出用改进粒子群算法(Particle Swarm Optimization,缩写为PSO)进行优化。使神经网络的学习速率动态减小,保证前期充分搜索,后期网络稳定;动态调整PSO的惯性权重和学习因子适应不同阶段的搜索要求,同时引入变异思想,重新初始化某些变量跳出局部最小值。绝缘油中5种特征气体为判断依据,划分高能放电、低能放电、高温过热、中低温过热四种故障,运用新改进的算法建立故障诊断模型,100多个样本进行实际故障诊断,准确率达到83%以上。结果表明,改进PSO-BP更加准确、可靠。 相似文献
9.
运煤系统是连续采煤机重要的组成部分,如果发生故障将导致连续采煤机停止工作,严重影响其生产率。本文在对连续采煤机运煤系统常见故障及其原因分析的基础上,通过比较分析采用遗传算法(GA)和粒子群算法(PSO)混合优化BP神经网络的方法,对连续采煤机运煤系统故障诊断进行研究。结果表明,这种方法可有效地避免BP神经网络进入局部极小值,提高学习效率和收敛精度,能更快、更准确地对连续采煤机运煤系统进行故障诊断。 相似文献
10.
针对BP神经网络在柴油机故障诊断中,提取训练数据的盲目性及网络收敛速度慢、精度低的问题,提出一种基于Petri网与萤火虫神经网络的故障诊断方法.通过Petri网建模归纳出柴油机所有故障模式,提取神经网络的训练数据,利用萤火虫算法来优化BP神经网络的权值和阈值,改善BP神经网络的性能.仿真实验表明,采用Petri网建模并用萤火虫算法优化BP神经网络的方法,有效地提高了神经网络的收敛速度和诊断精度,在柴油机故障诊断中得到了较好的应用. 相似文献
11.
12.
13.
14.
针对目前利用优化算法改进的BP神经网络算法对行星齿轮箱进行故障诊断过程中存在的故障识别率低、收敛速度慢和参数选择困难等问题,提出了一种用GA-ACO算法对神经网络参数进行优化的算法。给出GA-ACO-BP算法的基本原理和主要步骤,并将此方法应用到行星齿轮箱的故障诊断中。比较了ACO-BP神经网络算法和GA-ACO-BP算法的性能。结果表明,ACO优化BP神经网络算法对行星齿轮箱的故障诊断收敛速度慢且识别精度不高,而GA-ACO-BP算法能够对行星齿轮箱故障进行准确、快速的诊断和识别。 相似文献
15.
本文针对变压器传统故障诊断的缺点,提出将神经网络技术用于变压器故障诊断。本文对BP算法改进,使网络收敛速度和误差精度进一步提高。收集部分油中溶解气体故障数据样本,对变压器故障类型进行了分析,并确定网络的输入和输出向量,建立诊断网络模型,实现对各项网络参数的比较确定,在Mtalab里面仿真使误差满足要求。 相似文献
16.
17.
分析了粒子群算法(PSO)和差分进化算法(DE)的特点,提出了一种PSO-DV算法用于优化BP神经网络的权值和阈值,并利用PSO-DV算法优化的BP神经网络进行了齿轮箱的故障诊断。试验结果表明,PSO-DV算法可以避免神经网络陷入局部极小,改善了收敛性能,同时保证了齿轮箱故障诊断的正判率。 相似文献
18.
《机械工程与自动化》2017,(1)
针对水泵机组故障诊断复杂,提取的征兆和故障之间关系较为模糊,并且传统的BP算法存在易于陷入局部极小点、收敛速度慢、兼容性不好等问题,采用了一种动量因子与自适应学习率相结合的改进BP算法来建立神经网络模型,并通过有限的样本进行训练,最后通过几种故障特征向量进行验证。实际验证表明,此网络能够满足水泵机组故障诊断的技术要求。 相似文献
19.
液压系统故障诊断中采用BP神经网络进行故障的模式识别,存在着收敛率较低的问题。结合粒子群算法和BP算法各自的优势,提出了一种基于改进的PSO-BP液压系统故障诊断方法。对标准粒子群算法的惯性权重和学习因子进行改进,再对BP神经网络的权值和阈值进行优化,达到改善BP网络性能的目标。仿真结果表明该方法提高了BP网络的收敛率,减小了诊断误差。 相似文献