改进烟花算法和概率神经网络智能诊断齿轮箱故障

• 作者: 尚涛 张俊 李嘉春 陈如清
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 齿轮 算法 噪声 概率神经网络 故障诊断建模
• 年，卷（期）: 2018,（17）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 192-198
• 页数: 7页
• 分类号: TH165+.3|TH132.46
• 字数: 6923字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.17.025

摘要

针对复杂环境下农机设备的齿轮箱系统在故障诊断时存在易受现场噪声干扰和故障识别率低等问题,提出了一种基于改进的烟花算法和概率神经网络的齿轮箱智能故障诊断方法.为提高现有概率神经网络模式分类方法的性能,定义了一项样本相似度衡量指标以提高建模过程中训练样本的质量.将烟花算法与概率神经网络技术有机融合提出了一种改进的烟花算法-概率神经网络模式分类方法,利用烟花算法优化概率神经网络的平滑参数以确定网络参数的最优值,提高模式分类与识别精度.将改进的烟花算法-概率神经网络模式分类方法用于噪声环境下齿轮箱的故障诊断建模,构建故障特征参量与齿轮箱工作状况间的复杂非线性映射关系.应用结果表明,与基于BP神经网络、GABP(genetic algorithm back propagation)神经网络和概率神经网络的故障诊断模型相比,在不同程度噪声影响下烟花算法-概率神经网络模型均具有最高故障识别率.当噪声控制系数为0.01、0.02、0.04和0.06时,模型的故障识别率分别为100％、95.83％、93.33％和88.33％.该研究可为非线性复杂系统的故障诊断提供了一种可行的解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张俊	浙江大学生物系统工程与食品科学学院	53	377	12.0	18.0
2	陈如清	嘉兴学院机电工程学院	36	398	12.0	19.0
3	李嘉春	嘉兴学院数理与信息工程学院	2	17	2.0	2.0
4	尚涛	嘉兴学院机电工程学院	1	15	1.0	1.0