基于自适应周期变异粒子群优化BP神经网络的旋转机械故障诊断

被引：1

作者：

姚杰 ^{[1
,2
]}

李红伟 ^{[2
]}

机构：

[1] 西南石油大学研究生院

[2] 不详

来源：

计算机测量与控制 | 2013年 / 21卷 / 10期

关键词：

粒子群优化; 自适应周期变异; BP神经网络; 故障诊断;

D O I：

10.16526/j.cnki.11-4762/tp.2013.10.016

中图分类号：

TH165.3 []; TP183 [人工神经网络与计算];

学科分类号：

摘要：

在旋转机械故障诊断应用研究中,BP神经网络在网络结构选择、网络训练精度和网络泛化能力方面还存在很多问题;粒子群优化(PSO)算法作为一种优化方法被应用于BP神经网络的参数优化,但存在早熟收敛的问题,影响了神经网络的优化性能和诊断效果;提出了一种基于自适应周期变异粒子群优化BP神经网络(APMPSO-BP)的算法模型,该算法通过改进粒子群自适应搜索策略来提高网络泛化性能,根据群体适应度方差以及当前粒子最优解来确定全局最优粒子的变异概率,变异操作增强了粒子群优化算法跳出局部最优解的能力,避免了算法的早熟收敛;通过实例验证和对比分析表明,采用APMPSO算法优化的BP网络在网络收敛速度、故障诊断准确度上都优于其它几种网络,证明该方法具有较高的诊断精度和效率。

引用

页码：2624 / 2626+2654 +2654

页数：4

共 10 条

[1] 基于粗糙集神经网络的旋转机械故障诊断 [J].

韩琳 ;

薛静 ;

张通 .

计算机测量与控制, 2010, 18 (01) :64-66+82

[2] 旋转机械振动故障的信息诊断方法 [J].

陈非 ;

黄树红 ;

杨涛 ;

高伟 ;

贺国强 .

机械工程学报, 2009, 45 (11) :65-71

[3]

基于神经网络的旋转机械故障诊断方法研究[D]. 崔慧敏.燕山大学 2007

[4] 改进的BP神经网络在汽轮发电机组故障诊断中的应用 [J].

黄竹青 .

动力工程, 2004, (04) :557-559

[5] RBF神经网络在旋转机械故障诊断中的应用 [J].

王光研 ;

许宝杰 .

机械设计与制造, 2008, (09) :57-58

[6]

A Particle Swarm Optimization Algorithm Based on Adaptive Periodic Mutation. Xiaohu Li,JianZhuang,Sunan Wang. Fourth International Conference on Natural Computation,ICNC’’08 . 2008

[7]

Limiting of the back propagation approach to fault diagnosis and improvement with basis function. Leonard J A,Kramer M A. AICHE Annual Meeting . 1990

[8]

Particle swarm optimization. Kennedy J,Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995

[9]

Particle swarm optimization using gaussian intertia weight. Millie Pant,Radha T,Singh V P. International Conferenceon Computational Intelligence and Multimedia Applications 2007 . 2007

[10] 基于BP神经网络的装甲车辆电源系统故障诊断方法研究 [J].

李光升 ;

康洪铭 ;

谢永成 ;

魏宁 .

计算机测量与控制 , 2012, (10) :2719-2721

← 1 →