粒子群优化算法在传动箱故障诊断中的应用

• 作者: 潘宏侠 马清峰 魏秀业
• 来源期刊: 火炮发射与控制学报
• 关键词: 人工智能 粒子群优化 群体智能 神经网络 故障诊断
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 故障预测与故障诊断
• 页码范围: 54-58
• 页数: 5页
• 分类号: TJ81+0.321|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6524.2006.04.013

摘要

基于粒子群优化算法(PSO)的神经网络具有良好的训练性能,输出的整体误差小于BP算法.用PSO作为一种粗优化或离线学习过程,用神经网络学习作为一种细优化或在线学习过程.这两种方法综合使用可以大大提高传动箱故障诊断性能.诊断系统把常用的7个时频动态特征参量作为BP网络的输入层的输入,把传动箱中常见的6种特征作为网络的输出.诊断系统拓扑结构为7-12-6的3层BP网络,规定系统误差0.001.结果表明,粒子群优化算法对多故障征兆有较好的故障识别率,作为一种有效优化方法,在机械故障诊断领域具有良好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘宏侠	中北大学机械工程与自动化学院	359	2630	23.0	34.0
2	马清峰	中北大学机械工程与自动化学院	4	52	3.0	4.0
3	魏秀业	中北大学机械工程与自动化学院	28	357	10.0	18.0