粗糙集与改进的QPSO-RBF算法在柴油机气门故障诊断中的应用

• 作者: 代睿 刘小丽 曹龙汉 王申涛 郭晓东
• 来源期刊: 信息与控制
• 关键词: 粗糙集 径向基函数神经网络 量了微粒群优化算法 柴油机 故障诊断
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 实习问题研讨
• 页码范围: 570-576
• 分类号: TK428|TP183
• 语种: 中文
• DOI: 10.3724/SP.J.1219.2011.00570

摘要

针对气门故障,以缸盖振动信号的小波包能量谱作为故障特征参数,提出一种粗糙集(RS)与改进的量了微粒群径向基函数神经网络(QPSO-RBF NN)相结合的故障诊断方法.首先应用粗糙集对试验所得的特征参数进行属性约简,去掉冗余信息,简化RBF网络的结构；然后将带变异算子的QPSO算法引入到RBF网络的学习过程中,改进其现有的学习算法,进一步提高故障预测能力.通过对6135D型柴油机气门故障进行诊断,结果表明该方法提高了诊断的精度和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭晓东	重庆理工大学汽车零部件制造及检测技术教育部重点实验室	21	77	5.0	8.0
2	曹龙汉	重庆通信学院控制工程重点实验室	60	395	10.0	18.0
4	王申涛	重庆通信学院控制工程重点实验室	20	99	6.0	9.0
5	刘小丽	重庆通信学院控制工程重点实验室	9	58	4.0	7.0
6	代睿	重庆通信学院控制工程重点实验室	5	28	3.0	5.0