PSO优化BP神经网络齿轮箱故障诊断 |
| |
引用本文: | 张永超,李金才,赵录怀. PSO优化BP神经网络齿轮箱故障诊断[J]. 电子技术应用, 2019, 45(12) |
| |
作者姓名: | 张永超 李金才 赵录怀 |
| |
作者单位: | 西安交通大学城市学院,陕西西安,710018;西安交通大学电气学院,陕西西安,710048 |
| |
摘 要: | 针对目前齿轮箱系统在利用神经网络故障诊断时存在正确识别率低和依靠经验选择参数的问题,提出了基于粒子群优化BP网络的齿轮箱故障诊断方法。简要介绍利用齿轮振动原理提取特征参数建立故障模型,该模型以齿轮箱特征向量为输入、故障类型为输出,详细分析了通过BP神经网络、概率神经网络和粒子群优化BP神经网络实现齿轮箱故障诊断。仿真结果表明,BP神经网络对齿轮箱故障诊断收敛速度慢,故障识别率为82%;概率神经网络的模型故障诊断识别率依据经验选取spread值决定,故障识别率最大为98%;粒子群优化后的BP神经网络故障诊断分类识别率为100%且自适应能力强。
|
关 键 词: | 齿轮箱 故障诊断 粒子群优化神经网络 故障模型 |
Diagnosis of gearbox faults based on particle swarm optimization BP neural network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|