首页 | 官方网站   微博 | 高级检索  
     

基于PSO优化RBF神经网络的往复式压缩机故障诊断
引用本文:丁承君,张家梁,冯玉伯,王鑫.基于PSO优化RBF神经网络的往复式压缩机故障诊断[J].制造业自动化,2020(6):47-52.
作者姓名:丁承君  张家梁  冯玉伯  王鑫
作者单位:河北工业大学机械工程学院
基金项目:河北省科技计划项目(14214902D)。
摘    要:为解决往复式压缩机故障诊断难度大且准确率不高的问题,提出一种利用小波包分解和基于PSO优化RBF神经网络的故障诊断方法。该方法利用小波包多层分解对压缩机进行故障特征的提取;针对RBF神经网络易陷入局部最优问题,通过减聚类算法计算出神经网络隐含层的最优节点数,排除人为指定超参数的不确定性。再利用改进后的PSO算法对RBF神经网络的内部参数进行全局寻优;将提取到的故障特征输入到优化后的RBF神经网络,实现对往复式压缩机的故障诊断。实验将压缩机气阀振动信号作为信号源,对上述诊断方法进行验证并与基于BF神经网络和未经优化的RBF神经网络两种诊断方法进行对比。结果表明,该诊断方法具有更好的诊断效果和更高的准确率。

关 键 词:往复式压缩机  粒子群优化算法  径向基神经网络  故障诊断  小波包分解

Reciprocating compressor fault diagnosis of RBF network based on PSO
DING Cheng-jun,ZHANG Jia-liang,FENG Yu-bo,WANG Xin.Reciprocating compressor fault diagnosis of RBF network based on PSO[J].Manufacturing Automation,2020(6):47-52.
Authors:DING Cheng-jun  ZHANG Jia-liang  FENG Yu-bo  WANG Xin
Abstract:
Keywords:
本文献已被 CNKI 维普 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号