10.13465/j.cnki.jvs.2022.04.012
PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断
为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization,PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法.首先,获取风机一维原始振动信号,划分训练集与验证集;然后,将多尺度一维卷积神经网络中卷积核数目和尺度作为PSO的粒子,以验证精度作为适应度值,根据适应度值更新粒子速度和位置,经训练后获得最优卷积核数目和尺度参数下的多尺度一维卷积神经网络;最后,输入测试样本,得到风机基础螺栓松动诊断结果.在稳定转速和升降速下进行风机基础螺栓松动诊断试验,结果表明,PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断方法可在非经验指导下获取最优参数,可从一维原始信号中提取出有效松动特征,具备良好的松动诊断效果.
风机基础螺栓;松动诊断;多尺度一维卷积神经网络;粒子群优化(PSO);适应度值
41
TH113.1
国家自然科学基金;重庆市技术创新与应用示范项目;重庆市教委科学技术研究项目;交通工程应用机器人重庆市工程实验室开放基金
2022-03-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
86-92