基于蜂群算法的选择性神经网络集成的风机齿轮箱轴承故障诊断

• 作者: 刘天羽 孟畅 朱俊 江秀臣 王致杰 盛戈皞 黄麒元
• 来源期刊: 电机与控制应用
• 学科: 工学
• 关键词: 集成学习 蜂群算法 神经网络 齿轮箱 故障诊断
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 控制与应用技术
• 页码范围: 6-11
• 页数: 6页
• 分类号: TM301.2
• 字数: 3679字
• 语种: 中文

摘要

齿轮箱故障数据建模相当复杂,其计算量极大甚至是不可行的.提出一种基于蜂群算法的选择性神经网络集成算法来解决此问题.首先选取齿轮箱轴承故障数据训练各学习器,然后给每个学习器赋予权重系数,组成权值向量作为蜜源个体用于蜂群算法寻优,最后根据得到的最优权向量和阈值比较确定需要剔除的学习器.通过多种UCI数据集分析以及实际轴承故障数据集试验,结果表明新算法诊断效率明显高于基于遗传算法的选择性神经网络集成算法,同时这两种算法诊断精度相当,甚至新算法占优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王致杰	上海电机学院电气学院	133	321	9.0	13.0
2	江秀臣	上海交通大学电气工程系	305	4849	36.0	54.0
3	盛戈皞	上海交通大学电气工程系	146	1961	25.0	38.0
4	刘天羽	上海电机学院电气学院	47	115	5.0	8.0
5	黄麒元	上海电机学院电气学院	26	50	5.0	6.0
6	朱俊	上海电机学院电气学院	12	11	2.0	2.0
7	孟畅	上海电机学院电气学院	8	9	2.0	2.0