10.3969/j.issn.1006-9348.2018.03.061
基于PSO和GSA的神经网络轴承故障诊断
针对原始BP神经网络诊断方法存在初始权值和阈值随机选取而导致识别率低的问题,提出了一种基于粒子群优化算法(PSO)与引力搜索算法(GSA)优化的神经网络诊断方法.上述方法先从原始信号中提取特征向量,再利用PSO的记忆能力和信息共享能力对GSA进行改进,并以此双优化算法来优化BP神经网络的初始权值及阈值,形成一种适用于轴承故障诊断的双优化神经网络模型.实验结果表明,上述方法与原始BP法、GSA-BP法相比,能准确地识别出多种滚动轴承故障,具有比较理想的诊断效果.
故障诊断、轴承、神经网络、引力搜索算法、粒子群优化
35
TP183(自动化基础理论)
陕西省教育厅科研计划资助项目2013JK1114;陕西科技大学博士科研启动基金项目BJ12-03;陕西省自然科学基金项目2017JM6057
2018-05-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
279-282,302