10.16579/j.issn.1001.9669.2022.01.005
基于改进型Hopfield神经网络的潜污泵故障诊断方法
为了实现对潜污泵运行时的故障问题进行精准诊断,提出一种改进型Hopfield神经网络(HNN)故障诊断方法.利用BP神经网络进行编码操作,克服HNN神经网络的编码缺陷,并通过粒子群优化算法(PSO)对HNN神经网络连接权值进行优化,提高改进型神经网络的全局收敛能力,得到改进型HNN神经网络模型.基于现场实验,获得潜污泵故障运行时的振动信号特征向量,将特征向量作为样本数据对改进型神经网络进行训练,并对潜污泵的故障类型进行诊断.研究结果表明:改进型HNN神经网络全局收敛能力较好,对潜污泵典型故障的诊断准确率达到90%以上,可以实现对潜污泵运行时的故障进行精确诊断.
潜污泵;改进型Hopfield神经网络;PSO算法;故障诊断;振动信号
44
TP277(自动化技术及设备)
国家自然科学基金51874157
2022-03-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
38-44