基于FOA优化GRNN的船用柴油机涡轮增压系统故障诊断

• 作者: 刘涵茜 孙丽娜 黄永红
• 来源期刊: 计算机测量与控制
• 关键词: 涡轮增压系统 FOA GRNN 故障诊断
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 39-42,46
• 页数: 5页
• 分类号: TM344
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.11.009

摘要

为了及时有效地发现并排除船用柴油机涡轮增压系统的故障,文中采用果蝇优化算法(FOA)对广义回归神经网络(GRNN)的分布密度SPREAD进行优化选取,提出了一种果蝇优化算法和广义回归神经网络相结合的故障诊断新方法;收集某型号船用柴油机的样本集,采用相同的训练样本分别对FOA优化GRNN和RBF神经网络进行训练,并用相同的测试样本对以上两种模型进行验证;结果表明,与RBF神经网络故障诊断方法相比,FOA优化GRNN对柴油机涡轮增压系统故障模式的识别准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄永红	江苏大学电气信息工程学院	121	1023	18.0	25.0
2	刘涵茜	苏州工业园区职业技术学院机电工程系	19	14	2.0	2.0
3	孙丽娜	苏州工业园区职业技术学院机电工程系	13	17	3.0	3.0