10.13465/j.cnki.jvs.2015.23.031
QAPSO-BP 算法及其在水电机组振动故障诊断中的应用
针对水电机组振动故障耦合因素多、故障模式复杂等问题,提出了一种基于量子自适应粒子群优化BP神经网络(QAPSO-BP)的故障诊断模型。在 QAPSO-BP 算法中,利用量子计算中的叠加态特性和概率表达特性,增加了种群的多样性;根据各粒子的位置与速度信息,实现惯性因子的自适应调节;为避免陷入局部最优,在算法中加入变异操作;并以此来训练 BP 神经网络,实现网络的参数优化,进而构建了机组的振动故障诊断模型。仿真实例表明,与粒子群优化BP 网络(PSO-BP)法和 BP 网络法相比,该算法具有较高的诊断准确度,适用于水电机组振动故障的模式识别。
BP 神经网络、量子自适应粒子群优化算法、水电机组、振动、故障诊断
TM312(电机)
云南省教育厅科学研究基金项目2012Y450
2016-01-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
177-181,201