共查询到20条相似文献,搜索用时 15 毫秒
1.
数控机床故障具有隐蔽性和复杂性的特点,为了快速准确地识别数控机床发生的故障,结合粒子群算法全局搜索能力强、寻优速度快及模糊神经网络容错能力强、自适应性强的特点,提出了将模糊逻辑、RBF神经网络及粒子群算法有机结合的数控机床故障诊断方法。为了改善粒子群算法局部搜索能力,在标准粒子群算法的基础上,改进粒子群的速度更新公式和惯性权重,以此优化模糊神经网络结构参数,从而建立起改进PSO优化模糊神经网络的数控机床主轴伺服系统故障诊断模型。实验和仿真结果表明:与RBF神经网络、标准PSO优化模糊神经网络相比,改进PSO优化模糊神经网络的故障辨识准确性更高、泛化能力更强。 相似文献
2.
基于RBF神经网络的数控机床故障诊断研究 总被引:1,自引:0,他引:1
本文介绍神经网络用于数控机床控制系统的故障诊断技术,分析了数控机床故障诊断的方法,并采用RBF神经网络实现数控机床控制系统故障诊断的算法和程序设计。 相似文献
3.
数控机床伺服系统工作原理复杂。为了提高智能故障诊断的准确性,提出基于PSO理论和属性约束规则(RSM)的模糊神经网络算法。先对训练样本进行属性约减;由于PSO算法具有全局优化能力和BP算法具有局部搜索效率高的优点,利用它们训练神经网络,克服了传统方法收敛速度慢的缺点;并通过Matlab仿真证明,该方法具有较高的诊断准确性。 相似文献
4.
5.
基于模糊神经网络的故障诊断方法研究 总被引:6,自引:0,他引:6
文章构造了一种模糊神经网络模型,并详细阐述了模糊神经网络(FNN)的结构、算法.经过MATLAB仿真运行证明其可行性,另外在相同的条件下,FNN网络在故障诊断的准确率及训练速度方面均优于传统的BP网络. 相似文献
6.
为了提高轴承故障信号的诊断性能,采用小波分析和RBF神经网络相结合的方法对轴承振动信号进行故障分类。首先对轴承振动信号进行小波变化,采用软阈值去噪方法滤除振动信号噪声,然后对振动信号矩阵化处理,接着构建RBF神经网络,输入轴承振动信号特征向量,初始化权重和阈值,最后通过不断反向迭代得到稳定的RBF神经网络故障判别模型。实验证明:通过差异化设置隐藏层神经元数量,确定合适的RBF神经网络规模,经过小波去噪可以有效提高轴承故障判别准确率,相比于常见轴承故障分类算法,算法具有更高的故障判别准确率。 相似文献
7.
8.
9.
基于模糊神经网络的液压泵故障诊断系统的研究 总被引:1,自引:0,他引:1
针对目前液压系统故障诊断中模型不容易建立的现状,采用模糊逼近方法、根据流量和压力的关系构建液压系统泄漏的故障诊断系统模型,并采用ANFIS对该模型进行优化.实际工作时只需将模型的输出与实际结果相比较便可知泵是否发生泄漏.实验结果表明,采用该方法能较好地判断系统是否泄漏. 相似文献
10.
基于RBF神经网络的内燃机活塞-缸套磨损故障诊断 总被引:1,自引:0,他引:1
以RBF网络为识别模型,对内燃机活塞-缸套磨损的几种故障进行分类训练,并应用于待识别故障样本的识别仿真,结果表明,基于RBF的故障诊断方法优于基于BP网络故障诊断,在活塞-缸套故障诊断中是行之有效的方法。 相似文献
11.
为了解决支持向量机惩罚因子c和核函数g的确定只能依靠先验知识的缺点,提出了基于粒子群优化算法(PSO)的支持向量机参数优化的模型,通过PSO的寻优自动获得最优的支持向量机参数。并运用JZQ250型齿轮箱进行故障诊断,实验表明所提出的模型很好地解决了参数选择问题,使SVM性能有所提升。 相似文献
12.
在焊缝跟踪过程中存在多种噪声干扰,严重影响焊缝位置信息的准确提取。以碳钢平板对接焊为试验对象,通过提取脉冲涡流检测信号波形的峰值和过零时间实现对焊缝位置参数的检测。为避免噪声特性的不确定性对卡尔曼滤波焊缝跟踪的影响,使用径向基(RBF)神经网络优化卡尔曼滤波算法,以卡尔曼滤波状态参量作为网络输入,滤波误差作为网络输出,建立RBF神经网络训练过程。利用训练好的RBF神经网络输出修正的卡尔曼滤波值,补偿焊缝中心滤波误差。试验结果表明,采用RBF神经网络优化的卡尔曼(Kalman)滤波焊缝修正方法能够减小噪声对测量数据的影响。通过修正脉冲涡流测量数据,获得更为精确的焊缝中心位置,提高了焊缝跟踪精度。 相似文献
13.
14.
15.
针对液压设备的故障数据具有非线性、不确定性以及信号噪声多等特点,本文提出一种基于T-S模糊神经网络的液压设备故障诊断,T-S模糊神经网络是将T-S模糊推理模型与神经网络相结合的机器学习方法。对于采集的液压设备振动数据提取相关特征构成特征矩阵,将特征矩阵输入建立的T-S模糊神经网络模型,利用其自适应提取能力,自主选择最佳故障特征进行分析,实现液压设备故障诊断。通过液压设备数据验证,说明该方法具有较快收敛速度、较高诊断精度高和稳定性。 相似文献
16.
机器故障诊断技术进入智能化阶段,利用人工神经网络诊断故障模式的优势十分明显。传统BP神经网络存在收敛慢,容易陷入局部最小等缺陷,提出了基于批处理的变速率的BP求解方法。根据问题描述,改进了BP网络故障识别模型,并以拖拉机的减速箱为例,建立模型进行故障模式识别,比较改进BP与传统BP的误差曲线,论证方法有效。 相似文献
17.
18.
19.
卷积神经网络(Convolution Neural Network,CNN)是一种常用的智能故障诊断方法.针对卷积神经网络结构中参数较多,训练时间长,并且sigmoid和ReLU激活函数运用带来梯度消失和均值偏移.基于以上问题提出了一种改进非线性映射函数的卷积神经网络模型.把振动信号转换成二维振动图像表示其故障纹理,在... 相似文献
20.
针对滚动轴承故障诊断过程中,难以提取细微故障特征的问题,文章提出一种基于改进卷积神经网络的滚动轴承故障诊断方法。该方法首先在特征值提取过程中,采用了多尺度卷积核并联的方式,对滚动轴承振动信号提取了更多的故障特征细节;然后在特征值降维、去噪处理过程中,采用了leaky_relu激活函数,解决了部分神经元处于抑制状态的问题;最后在分类识别过程中,针对多层全连接计算复杂的问题,采用了全局平均池化代替部分全连接。通过滚动轴承不同损伤程度、不同故障位置的诊断实验,证明了所提方法能够提高故障识别率、降低训练时间、具有较好的可行性。 相似文献