基于AGA优化RBF神经网络的矿井通风机故障诊断

• 作者: 余发山 高勇
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 矿井通风机 故障诊断 自适应遗传算法 神经网络
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 在线测试与故障诊断
• 页码范围: 241-245
• 页数: 5页
• 分类号: TP183|TN707
• 字数: 3200字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-7300.2017.09.047

摘要

针对径向基神经网络(RBF)用于故障诊断时存在收敛速度慢、诊断结果准确率低等问题,提出了一种基于自适应遗传算法(AGA)优化RBF神经网络的矿井通风机故障诊断方法.采用AGA对RBF神经网络的隐含层节点数、隐层基函数的中心和宽度进行优化,以此提高RBF网络的泛化能力.通过大量收集和整理工作形成样本集,使用训练样本训练RBF网络,根据网络输出结果对通风机故障进行诊断.仿真结果表明,相较于RBF神经网络,AGA优化的RBF神经网络收敛速度更快,迭代次数更少,能够有效识别通风机故障类型,诊断结果准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余发山	河南理工大学电气工程与自动化学院	63	360	10.0	14.0
2	高勇	河南理工大学电气工程与自动化学院	7	21	3.0	4.0