基于混合蛙跳算法优化神经网络的齿轮箱故障诊断研究

为提高齿轮箱故障诊断的准确性,探寻诊断复合故障的方法,利用混合蛙跳算法优化BP神经网络的参数,构建SFLA-BP算法模型,在一定程度上弥补BP神经网络算法的缺陷。对比发现,该诊断方法具有较高的稳定性和较强的诊断能力,表现出很好的适用性,特别是在诊断复合故障方面具有一定潜力。     

基于混合蛙跳优化神经网络的轴承故障诊断研究

以滚动轴承故障诊断为课题研究背景,以JZQ250型号传动箱为实验对象,将混合蛙跳算法与BP神经网络进行结合,利用混合蛙跳算法高效的计算性能和优良的全局搜索能力,对BP神经网络的网络结构进行优化。通过对比发现,混合蛙跳算法优化后的BP神经网络模型,可避免BP神经网络在训练中陷入局部最优,减短训练时间,提高训练准确度,具有较高收敛速度和准确诊断能力。通过一系列训练和测试,结果表明,这种方法能够提高诊断的可靠性和准确性。     

基于改进鱼群算法优化神经网络的轴承故障诊断研究

论述了一种改进的鱼群算法,利用其全局寻优能力优化BP神经网络的权值和阈值,形成一套基于改进鱼群算法优化神经网络的故障诊断方法(ADAFSA-BP)。通过试验采集和处理轴承故障信息,应用GA-BP,SFLA-BP和ADAFSA-BP对试验数据进行处理和对比分析,结果表明:ADAFSA-BP不仅加快了神经网络的收敛速度,而且在诊断精度上有了较大提高。     

混合蛙跳脊波神经网络观测器电机故障诊断研究

针对牵引电机非线性、强耦合、时变的特点,提出一种基于混合蛙跳算法脊波神经网络观测器牵引电机故障诊断方法.该方法利用观测器生成残差,并通过对残差的分析实现故障检测与分离.首先将牵引电机模型分为线性函数部分和非线性函数部分,并利用脊波神经网络逼近这个非线性函数,然后在此基础上建立自适应观测器,并通过最优算法求出观测器反馈增益矩阵.为提高神经网络的收敛速度和逼近精度,利用混合蛙跳优化算法对神经网络参数进行优化.通过实验对混合蛙跳算法脊波神经网络观测器、RBF神经网络观测器以及BP神经网络观测器进行比较,结果表明,该方法的收敛速度较BP神经网络观测器提高了80.3％,故障诊断准确率提高41.5％.     

基于PSO-BP神经网络的经济型二手车估价分析

针对BP神经网络预测二手车价格时易陷入局部极小值以及价格影响因素间存在一定相关性的问题,本文提出了一种基于主成分分析(PCA)和粒子群算法(PSO)优化BP神经网络的价格评估模型。本文将PCA降维后的10个主成分作为影响二手车价格的评估参数。基于BP神经网络建立经济型二手车价格评估模型,并使用粒子群算法优化网络的权值和阈值,进一步提高网络的预测精度。该模型一定程度上克服了BP神经网络的不足,为二手车价格评估提供了参考。     

基于蚁群算法的矿井提升机减速器齿轮故障诊断

在研究蚁群优化神经网络训练算法的基础上,建立了矿井提升机减速器齿轮故障诊断模型。根据实测数据,分析研究信号并提取信号特征值,并应用训练后的BP神经网络诊断齿轮故障,实验表明效果良好,该模型网络的收敛速度大大提高,避免陷入局部最优解,用于减速器齿轮故障诊断准确可靠。     

GA-ACO优化BP神经网络在行星齿轮箱故障诊断中的应用

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。     

基于量子蛙跳算法和过程神经网络的抽油机故障诊断

提出了一种量子混合蛙跳算法,该算法采用量子位的Bloch球面坐标编码个体,利用量子位在Bloch球面上绕轴旋转的方法实施优化搜索,采用Hadamard门实现个体变异以避免早熟,增强解空间的遍历性,可以快速逼近全局最优解。对过程神经网络的网络结构、网络参数和展开项数统一编码,并利用该算法进行优化,把优化后的神经网络应用到抽油机故障诊断中,结果表明,用量子混合蛙跳算法优化的神经网络对抽油机进行故障诊断较传统BP算法更具准确性与快速性。     

蚁群算法融合BP神经网络的齿轮故障模式识别

为了提高齿轮故障诊断的准确性,引入了一种蚁群算法融合BP神经网络的方法。根据齿轮的故障特征量,建立其神经网络的故障诊断模型。以网络的权值和阈值为自变量,通过蚁群算法的迭代运算,搜索出误差全局最小值,再进行网络的二次学习训练,最终实现对齿轮的故障诊断。实例仿真结果表明,该方法具有较高的故障诊断精度,可减少诊断的不确定性。     

基于KPCA-SOM网络的列控RBC系统故障诊断方法

无线闭塞中心(RBC)系统是CTCS-3级列控系统的核心设备,在现场其故障分析主要依靠人工完成,诊断结果不精确、效率低。因此,提出了基于one-hot模型、核主元分析(KPCA)和自组织映射(SOM)网络的RBC系统智能故障诊断方法。首先,通过人工选取的故障特征词库和故障追踪记录表构建基于“one-hot”模型的故障文档矩阵;其次,利用核主元分析方法对故障文档矩阵进行降维降噪处理,避免信息冗余;最后将处理后的数据输入至SOM网络,训练生成KPCA-SOM故障分类模型。通过与BP神经网络算法、SOM网络算法比对分析,KPCA-SOM智能诊断方法可有效地对列控RBC系统常见故障类型进行区分,并且在准确率和处理效率上进一步优化提升。     

基于改进萤火虫算法神经网络的刮板输送机减速器故障诊断

为了对刮板输送机减速器故障进行准确诊断研究,提出了一种基于改进萤火虫算法优化神经网络故障诊断方法。首先对刮板输送机减速器故障特征参数进行特征提取,其次应用特征数据样本进行基于神经网络的故障诊断模型训练,利用改进萤火虫算法对神经网络权值、阈值进行优化,加快目标的优化求解,得到最优的网络模型。初步研究表明将改进萤火虫算法与BP(back propagation)神经网络结合可以有效地解决神经网络收敛速度慢,易陷入局部最优等问题,可以对刮板输送机减速器的故障进行准确诊断。     

遗传算法优化BP神经网络港口起重机故障诊断

针对港口起重机故障诊断问题,提出了一种基于遗传算法优化BP神经网络的故障诊断方法。规避传统BP神经网络算法的不足,同时建立起所对应的优化神经网络算法模型。采用Matlab中的NNTool工具箱,以港口起重机其中一个支腿液压阀故障为实例,分析该诊断方法的理论原理和具体实施过程。结果表明遗传算法优化的BP神经网络比传统的BP神经网络在港口起重机故障诊断问题中具有更好的诊断效率和准确度。     

基于改进型Hopfield神经网络的潜污泵故障诊断方法

为了实现对潜污泵运行时的故障问题进行精准诊断,提出一种改进型Hopfield神经网络(HNN)故障诊断方法.利用BP神经网络进行编码操作,克服HNN神经网络的编码缺陷,并通过粒子群优化算法(PSO)对HNN神经网络连接权值进行优化,提高改进型神经网络的全局收敛能力,得到改进型HNN神经网络模型.基于现场实验,获得潜污泵...     

一种确定神经网络初始权值的新方法

针对BP神经网络对易陷入局部极小的缺点,结合粒子群优化算法(PSO)在全局搜索上的良好性能,提出了一种新的算法--PSO-BP混合算法.该算法先用PSO算法将BP网络的初始权值优化到全局极小点附近,然后用传统BP神经网络学习算法进行进一步优化,仿真表明:该方法很好地解决了BP神经网络对初始值敏感、易局部收敛的问题.     

基于DNA优化的BP网络在齿轮故障检测中的应用

齿轮是汽车中的一个重要部件,齿轮故障在汽车故障中占有重要比例,因此对齿轮的故障进行早期诊断具有重要意义.文中利用BP网络建立故障诊断模型,然后采用DNA算法来优化BP网络的权值和阈值,最后通过实验证明,这种方法可以对齿轮故障进行成功诊断.     

基于萤火虫优化BP神经网络的数控机床故障诊断

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。     

基于刚柔耦合模型的行星齿轮机构裂纹故障研究

行星齿轮机构行星轮裂纹故障存在难以诊断的问题,为了对行星齿轮机构行星轮裂纹故障进行更好的诊断,以某型汽车行星齿轮机构为例,基于该机构刚柔耦合动力学模型,对其行星轮裂纹故障信号频谱图特点进行了研究。首先,采用SolidWorks软件,建立了行星齿轮机构行星轮裂纹故障三维模型,利用ANSYS APDL软件将模型中需要布置传感器的部位设置为柔性体;然后,在ADAMS软件中建立了行星齿轮机构刚柔耦合动力学仿真模型;之后,采用ANSYS Workbench软件,对齿轮裂纹故障进行了啮合静力学分析,建立了行星轮的裂纹故障模型;最后,通过对齿轮机构进行刚柔耦合动力学仿真分析,得出了该行星齿轮机构行星轮裂纹故障模型的信号特征。研究结果表明：在行星轮裂纹故障频谱图中,信号的峰值均与啮合频率或其倍频相对应,而啮合频率处的局部峰值均与行星轮故障频率有关。     

等距映射与DBN相融合的齿轮故障诊断研究

运用等距映射(Isomap)算法将信号的特征数据从原始高维空间映射到低维空间,然后融合深度置信网络(DBN)来诊断齿轮的故障状态。进行了齿轮箱运行至故障的实验研究,经过一系列与未进行空间转换的原始特征、主成分分析(PCA)和拉普拉斯特征映射(LE)等两种空间转换方法及与隐马尔科夫模型(HMM)和BP神经网络等模型算法的对比分析,所提方法被证明在齿轮的故障诊断及状态评估中更加准确有效。     

基于BP神经网络的齿轮箱故障诊断

对BP神经网络的结构与原理进行了简要概述,将BP神经网络技术运用于齿轮箱的故障诊断中 ,以齿轮振动信号的时域特征作为神经网络输入,齿轮的主要故障形式为网络输出,利用经 BP算法训练后的该网络对齿轮故障进行诊断,取得了较好的效果.