共查询到10条相似文献,搜索用时 31 毫秒
1.
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
2.
3.
基于粒子群优化径向基神经网络在模拟电路故障诊断中的应用 总被引:1,自引:0,他引:1
为检测和诊断模拟电路中的故障,提出粒子群算法优化RBF神经网络的故障诊断方法,即把通过特征提取获得的模拟电路故障特征量作为神经网络的输入,然后利用训练好的粒子群优化后的RBF神经网络进行故障诊断. 结果表明,该方法具有良好的分类效果,能够提高诊断精确度,对于模拟电路的故障是一种有效的诊断方法. 相似文献
4.
5.
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
6.
7.
提取电机定予电流信号及转于振动信号,构成用于电机故障诊断网络的训练及测试样本.用BP神经网络建立诊断输入征兆与故障输出间的映射关系,引入改进粒子群优化的策略,对神经网络权值和阀值进行优化,提高了网络系统诊断的可靠性.仿真对比研究表明,经粒子群优化后的BP网络收敛速度显著提高,更适合于电机类故障诊断的要求. 相似文献
8.
9.
10.
SOM网络是一种重要的无导师学习训练算法的神经网络,使用该算法进行训练后,可以将高维输入空间映射到二维空间上,并对故障现象进行自动分类,从而得出它们对应的故障原因.同时为了便于识别故障,利用U矩阵图对神经网络仿真结果进行可视化.以凝汽器故障诊断的为例,总结了凝汽器的故障集、征兆集和故障特征数据.利用SOM网络进行仿真并对其结果进行可视化分析,表明SOM网络可视化方法具有故障模式识别能力,是一种可行有效的凝汽器故障诊断方法. 相似文献