基于PSO优化的RBF网络液压泵故障诊断研究

被引：28

作者：

沈美杰

赵龙章

周兵

周崇明

机构：

[1] 南京工业大学电气工程与控制科学学院

来源：

液压与气动 | 2016年 / 05期

关键词：

液压泵; 故障诊断; 神经网络; 粒子群;

D O I：

暂无

中图分类号：

TH137.51 [液压马达、液压缸和泵];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

提出了以小包分解和粒子群优化的径向基神经网络(RBFNN)为基础的液压泵故障诊断方法。通过小波包分解对振动信号做降噪处理并提取相应的故障信号的特征能量值,将此特征能量值作为神经网络的输入,再采用粒子群算法对神经网络的数据中心和宽度、输出权值和阈值进行优化,并将其分别与基于传统神经网络和基于遗传算法优化的故障诊断方法进行对比分析。对比结果表明,该方法具有很好的诊断效果。

引用

页码：87 / 92

页数：6

共 10 条

[1]

基于改进PSO的RBF神经网络在液压钻机故障诊断中的应用 [J].

孙立峰 ;

吕枫 .

液压与气动, 2014, (11) :91-94+127

[2]

基于K-均值聚类算法RBF神经网络交通流预测 [J].

管硕 ;

高军伟 ;

张彬 ;

刘新 ;

冷子文 .

青岛大学学报(工程技术版), 2014, 29 (02) :20-23

[3]

基于改进HHT和小波包理论的液压泵故障特征提取 [J].

田海雷 ;

李洪儒 ;

许葆华 .

液压与气动, 2012, (09) :122-125

[4]

基于小波包特征能量提取的变压器绕组变形故障诊断 [J].

钱苏翔 ;

杜琦 ;

顾小军 ;

李竹平 .

机械设计与制造, 2012, (09) :135-137

[5]

基于小波包分解和RBF神经网络的民机液压泵源故障诊断研究 [J].

鞠文煜 .

液压气动与密封, 2012, 32 (06) :16-19

[6]

基于小波神经网络柱塞泵液压系统的故障诊断研究 [J].

金莹 .

液压与气动, 2011, (07) :107-110

[7]

小波包特征提取算法在信号分析中应用 [J].

王唯 ;

郑正奇 ;

王晓华 ;

夏薇 .

电子测量技术, 2005, (05) :27-28

[8]

小波分析与傅里叶分析的比较及其在故障诊断中的应用 [J].

杨梅 ;

张振文 ;

孙宏强 ;

张永弟 .

中国测试技术, 2005, (02) :58-59+61

[9]

基于小波消噪的液压泵故障诊断 [J].

王少萍 ;

苑中魁 ;

杨光琴 .

中国机械工程, 2004, (13)

[10]

Fault detection for hydraulic pump based on chaotic parallel RBF network.[J] Chen Lu;Ning Ma;Zhipeng Wang EURASIP Journal on Advances in Signal Processing 2011,

← 1 →