發(fā)布時間：2018-02-21 04:20

  本文關鍵詞： 軸承 故障診斷 布谷鳥搜索 自適應 神經(jīng)網(wǎng)絡　出處：《機械傳動》2017年09期 　論文類型：期刊論文

【摘要】：為進行軸承故障位置和損失程度的有效識別,提出一種基于自適應布谷鳥搜索算法結合BP神經(jīng)網(wǎng)絡(ACSBP)的故障診斷模型。在ACS算法中,取消了Levy飛行策略,降低了算法搜索過程的隨機性。同時,步長的更新由適應度函數(shù)值決定,無需進行參數(shù)初始化,以體現(xiàn)面向不同優(yōu)化問題的普適性。此外,發(fā)現(xiàn)概率采用動態(tài)調整方式,提高了ACS算法的尋優(yōu)精度以及收斂速度。以此為基礎,實現(xiàn)了軸承故障診斷模型的構建。仿真實例表明,與布谷鳥搜索算法結合BPNN(CSBP)和粒子群算法結合BPNN(PSOBP)相比,ACSBP模型具有較強的容錯性,可有效提高軸承故障診斷的精度。
[Abstract]:A fault diagnosis model based on adaptive cuckoo search algorithm and BP neural network is proposed to effectively identify the bearing fault location and loss degree. In the ACS algorithm, the Levy flight strategy is eliminated. The randomness of the search process is reduced. At the same time, the update of the step size is determined by the fitness function value, and no parameter initialization is required to reflect the universality of different optimization problems. In addition, the probability is dynamically adjusted. The optimization accuracy and convergence speed of ACS algorithm are improved. Based on this, the bearing fault diagnosis model is constructed. The simulation example shows that, Compared with the Cuckoo search algorithm and the particle swarm optimization algorithm, the ACSBP model is more fault-tolerant than the Cuckoo search algorithm and the particle swarm optimization algorithm, which can effectively improve the accuracy of bearing fault diagnosis.
【作者單位】： 紅河學院工學院;
【基金】：國家自然科學基金(51669006)
【分類號】：TH133.3

【相似文獻】

相關期刊論文 前10條

1 李三平,楊立芳,楊立功;鐵路貨車軸承故障診斷方法[J];軸承;2000年09期

2 ;軸承故障診斷有了“透視鏡”[J];機電設備;2001年06期

3 薛松;程珩;楊勇;;偽Wigner-Ville分布在電機軸承故障診斷中的應用[J];機械工程與自動化;2008年04期

4 趙志宏;楊紹普;;一種基于樣本熵的軸承故障診斷方法[J];振動與沖擊;2012年06期

5 黃晉英;潘宏俠;畢世華;楊喜旺;;基于高階累量譜的軸承故障診斷[J];火炮發(fā)射與控制學報;2007年02期

6 陶新民;徐晶;劉興麗;劉玉;;基于最大小波奇異譜的軸承故障診斷方法[J];振動、測試與診斷;2010年01期

7 喬世民;軸承故障診斷技術的發(fā)展[J];中國設備管理;1989年01期

8 李正安,李登嘯;單片機軸承故障診斷系統(tǒng)[J];軸承;1992年03期

9 楊望燦;張培林;張云強;;基于鄰域自適應局部保持投影的軸承故障診斷模型[J];振動與沖擊;2014年01期

10 朱文來;;希爾伯特-黃變換在軸承故障診斷中的應用研究[J];科技創(chuàng)新導報;2013年34期

相關會議論文 前9條

1 任獲榮;馬亞男;李勝剛;;熵隨機共振在軸承故障診斷中的應用研究[A];2012年陜西省焊接學術交流會論文集[C];2012年

2 李琳;張永祥;童艷;;基于聲發(fā)射和高階譜分析的滾動軸承故障診斷[A];設備監(jiān)測與診斷技術及其應用——第十二屆全國設備監(jiān)測與診斷學術會議論文集[C];2005年

3 高耀智;譚援強;;基于1(1/2)譜與小波分析相結合的滾動軸承故障診斷[A];2009年全國青年摩擦學學術會議論文集[C];2009年

4 陶新民;徐晶;杜寶祥;徐勇;;基于相空間奇異譜的SOM軸承故障診斷模型[A];第二十七屆中國控制會議論文集[C];2008年

5 喬文生;陳興輝;艾士娟;胡北;趙恒;;基于小波包和BP神經(jīng)網(wǎng)絡的滾動軸承故障診斷[A];第八屆全國設備與維修工程學術會議、第十三屆全國設備監(jiān)測與診斷學術會議論文集[C];2008年

6 沈路;周曉軍;張杰;;基于形態(tài)非抽樣小波與灰色關聯(lián)度的滾動軸承故障診斷[A];2011年機械電子學學術會議論文集[C];2011年

7 宋瀏陽;王華慶;高金吉;王峰;;基于蟻群算法的滾動軸承故障診斷[A];現(xiàn)代振動與噪聲技術（第九卷）[C];2011年

8 郝旺身;韓捷;董辛e，

本文編號：1520970