基于ALNAFSA优化BP神经网络的行星齿轮箱故障诊断

• 作者: 程海吉 魏秀业 张宁 贺妍 徐晋宏
• 来源期刊: 煤矿机械
• 关键词: 人工鱼群算法 BP神经网络 故障诊断 行星齿轮箱
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 故障·诊断|Malfunction Imestigation
• 页码范围: 143-146
• 页数: 4页
• 分类号: TH132.46
• 语种: 中文
• DOI: 10.13436/j.mkjx.202101049

摘要

以行星齿轮箱为研究对象,提出了一种新型故障诊断方法.介绍了一种改进的自适应局部邻域人工鱼群算法(ALNAFSA),用该算法优化BP神经网络,避免了BP出现局部极值.对行星齿轮箱进行了实验,提取出5种工况的样本熵并构成特征向量,将其输入到ALNAFSA-BP模型中进行分类识别.与BP神经网络模型进行比较,结果表明,ALNAFSA-BP神经网络故障诊断准确率显著提高,达到95％.