基于GA-PSO优化BP神经网络的压缩机气阀故障诊断

• 作者: 杨瑞 谢昭灵 邵继业
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: BP神经网络 故障诊断 GA-PSO算法 气阀 主成份分析 小波包分解
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 机械电子工程
• 页码范围: 781-787
• 页数: 7页
• 分类号: TP206+.3
• 字数: 4654字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2018.05.023

摘要

针对压缩机气阀故障信号非平稳性、非周期性的特点,提出一种基于主成分分析(PCA)和GA-PSO优化BP神经网络的压缩机气阀故障诊断方法.首先利用小波包分解提取出气阀故障的特征;然后故障特征向量通过PCA降维,降低网络的规模和计算时间.针对标准BP算法收敛速度慢且易陷入局部极小的缺点,引入一种GA-PSO算法用于BP神经网络的参数优化过程.最后以往复压缩机阀盖的振动信号作为信号源,通过故障诊断仿真测试,验证了PCA和GA-PSO-BP神经网络对压缩机气阀故障诊断具有可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨瑞	电子科技大学机械电子工程学院	2	10	1.0	2.0
2	邵继业	电子科技大学机械电子工程学院	1	10	1.0	1.0
3	谢昭灵	电子科技大学机械电子工程学院	1	10	1.0	1.0