基于混合粒子群算法的小波神经网络故障诊断

被引:20
作者
宋玉琴
章卫国
机构
[1] 西北工业大学自动化学院
关键词
小波; 神经网络; 粒子群; 故障诊断;
D O I
10.19708/j.ckjs.2011.01.031
中图分类号
TP277 [监视、报警、故障诊断系统];
学科分类号
140102 [集成电路设计与设计自动化];
摘要
针对复杂的飞控系统传感器故障类型,建立了故障诊断模型,提取了各种故障数据。构建3层小波神经网络,并提出一种改进粒子群算法——混合粒子群算法对小波神经网络进行训练,该算法使用离散粒子群算法优化小波神经网络连接结构,同时使用基本粒子群优化算法优化小波神经网络权值。将这种改进的小波神经网络算法应用于飞控系统传感器故障诊断中。实验结果表明,提出的基于混合粒子算法的小波神经网络能对飞控系统传感器各种故障进行可靠的分类,并能够有效消除冗余连接结构对网络诊断能力的影响。
引用
收藏
页码:112 / 116
页数:5
相关论文
共 6 条
[1]
Fault diagnosis of pneumatic systems with artificial neural network algorithms [J].
Demetgul, M. ;
Tansel, I. N. ;
Taskin, S. .
EXPERT SYSTEMS WITH APPLICATIONS, 2009, 36 (07) :10512-10519
[2]
粒子群算法及应用.[M].纪震; 廖惠连; 吴青华; 著.科学出版社.2009,
[3]
基于小波神经网络的船舶冷却水系统的传感器故障诊断 [J].
孙娜 ;
陶文华 ;
李青芮 .
测控技术, 2008, 27 (12) :7-10
[4]
基于多种群协同进化微粒群算法的径向基神经网络设计 [J].
王俊年 ;
申群太 ;
沈洪远 ;
周鲜成 .
控制理论与应用, 2006, (02) :251-255
[5]
基于改进BP神经网络的传感器集成故障诊断 [J].
黄湘云 ;
朱学峰 ;
许建新 .
控制工程, 2005, (05) :429-431
[6]
RBF神经网络的递阶遗传训练新方法 [J].
郑丕谔 ;
马艳华 .
控制与决策, 2000, (02) :165-168