基于PSO的发动机故障诊断算法与应用

• 作者: 凌斌 王宇超 谢春丽
• 来源期刊: 森林工程
• 学科: 交通运输
• 关键词: 粒子群算法(PSO) BP神经网络 发动机 故障诊断
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 森工技术与装备
• 页码范围: 96-101
• 页数: 6页
• 分类号: U472.9
• 字数: 3207字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8023.2018.04.016

摘要

为提高发动机的安全性,利用BP神经网络进行发动机故障诊断.BP神经网络隐含层节点数根据经验公式选择,并考虑训练方法的影响,通过比较每种方案的误差确定为最佳BP神经网络方案.由于BP神经网络存在诸多有待优化之处,选择粒子群算法优化BP神经网络,首先提取粒子群中相应参数作为网络的权值和阈值,然后设置网络进化参数,最后将从粒子群中提取的数值赋给神经网络,进行网络训练.利用发动机故障诊断台架对两种算法进行故障诊断测试,将结果与未优化的BP神经网络进行比较,结果显示,经过粒子群优化后的BP神经网络学习速度和诊断正确率均优于未优化的BP神经网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢春丽	东北林业大学交通学院	33	170	8.0	11.0
2	王宇超	东北林业大学交通学院	3	4	2.0	2.0
3	凌斌	东北林业大学交通学院	1	2	1.0	1.0