基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了准确诊断直升机旋翼不平衡故障,提出了一种基于粒子群算法和广义回归神经网络模型(PSO-GRNN)的故障诊断方法。将交叉验证得到的平均均方误差作为粒子群的适应度函数,运用粒子群算法搜寻最优的GRNN光滑因子,建立最优的故障诊断模型。结果表明:采用PSO-GRNN模型可实现直升机旋翼不平衡的类型和程度的有效诊断,故障类型准确率高达94.29%,故障程度的诊断最大误差仅6.54%,满足工程需求。
推荐文章
基于支持向量机的直升机旋翼不平衡故障分类研究
直升机旋翼
故障诊断
支持向量机
核函数
采用模糊RBF神经网络的直升机旋翼不平衡故障诊断
直升机旋翼
故障诊断
模糊RBF神经网络
累计贡献率
基于小波变换和神经网络的直升机旋翼不平衡故障诊断方法
直升机
旋翼
故障诊断
小波变换
神经网络
基于动力学模型的旋翼动平衡故障仿真及诊断
动平衡
BP神经网络
遗传算法
优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PSO-GRNN的直升机旋翼不平衡故障诊断
来源期刊 噪声与振动控制 学科 工学
关键词 振动与波 直升机旋翼 故障诊断 粒子群算法 广义回归神经网络
年,卷(期) 2015,(2) 所属期刊栏目 信号处理与故障诊断
研究方向 页码范围 175-179
页数 5页 分类号 TP206.3|V275.1
字数 3699字 语种 中文
DOI 10.3969/j.issn.1006-1335.2015.02.039
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 谢习华 中南大学高性能复杂制造国家重点实验室 41 296 10.0 15.0
10 马云荣 中南大学高性能复杂制造国家重点实验室 5 35 4.0 5.0
11 谭耀 中南大学高性能复杂制造国家重点实验室 4 26 2.0 4.0
12 徐雷 中南大学高性能复杂制造国家重点实验室 7 48 5.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (16)
参考文献  (10)
节点文献
引证文献  (12)
同被引文献  (55)
二级引证文献  (30)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(8)
  • 引证文献(3)
  • 二级引证文献(5)
2019(17)
  • 引证文献(5)
  • 二级引证文献(12)
2020(10)
  • 引证文献(0)
  • 二级引证文献(10)
研究主题发展历程
节点文献
振动与波
直升机旋翼
故障诊断
粒子群算法
广义回归神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
噪声与振动控制
双月刊
1006-1355
31-1346/TB
大16开
上海市华山路1954号上海交通大学
4-672
1981
chi
出版文献量(篇)
4977
总下载数(次)
4
总被引数(次)
36734
论文1v1指导