基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别

摘要：

提出了一种基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别方法,解决了强噪声背景下的钢丝绳损伤识别问题.以矿井钢丝绳为检测对象,采用自适应移位平均法对含噪的断丝信号与磨损信号进行降噪处理,通过自适应粒子群优化(APSO)算法找到移位平均算法的最优窗宽;然后,以断丝损伤为例,对输出的最优降噪信号提取峰峰值、波宽、波形下面积三种特征值作为特征值样本,将样本归一化后输入BP神经网络进行损伤识别;最后,通过试验验证了所提方法的有效性.试验结果表明,该方法能定性识别钢丝绳损伤并且识别准确率高.

关键词：钢丝绳损伤、强噪声、优化算法、降噪、BP神经网络

所属期刊栏目：44

分类号：TG115.28(金属学与热处理)

在线出版日期：2022-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：14-19