針對水電機(jī)組振動故障耦合因素多、故障模式復(fù)雜等問題,提出了一種基于量子自適應(yīng)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)（QAPSO-BP）的故障診斷模型。在QAPSO-BP算法中,利用量子計算中的疊加態(tài)特性和概率表達(dá)特性,增加了種群的多樣性;根據(jù)各粒子的位置與速度信息,實現(xiàn)慣性因子的自適應(yīng)調(diào)節(jié);為避免陷入局部最優(yōu),在算法中加入變異操作;并以此來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò),實現(xiàn)網(wǎng)絡(luò)的參數(shù)優(yōu)化,進(jìn)而構(gòu)建了機(jī)組的振動故障診斷模型。仿真實例表明,與粒子群優(yōu)化BP網(wǎng)絡(luò)（PSO-BP）法和BP網(wǎng)絡(luò)法相比,該算法具有較高的診斷準(zhǔn)確度,適用于水電機(jī)組振動故障的模式識別。 

【文章來源】：振動與沖擊. 2015,34(23)北大核心EICSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
1 PSO算法基本原理
2 量子自適應(yīng)粒子群優(yōu)化算法(QAPSO)
    2.1 量子編碼
    2.2 狀態(tài)評估
    2.3 參數(shù)自適應(yīng)調(diào)節(jié)
    2.4 變異操作
    2.5 QAPSO-BP算法實現(xiàn)步驟
3 水電機(jī)組振動故障診斷
    3.1 水電機(jī)組的振動故障分析
    3.2 應(yīng)用實例一
    3.3 應(yīng)用實例二
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于多重分形譜和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的水電機(jī)組振動故障診斷研究[J]. 郭鵬程,孫龍剛,李輝,羅興锜.  水力發(fā)電學(xué)報. 2014(03)
[2]基于徑向基多小波神經(jīng)網(wǎng)絡(luò)的水電機(jī)組故障診斷[J]. 盧娜,肖志懷,曾洪濤,符向前.  武漢大學(xué)學(xué)報(工學(xué)版). 2014(03)
[3]基于蟻群初始化小波網(wǎng)絡(luò)的水電機(jī)組振動故障診斷[J]. 盧娜,肖志懷,符向前.  水力發(fā)電學(xué)報. 2014(02)
[4]量子粒子群模糊神經(jīng)網(wǎng)絡(luò)碳酸鹽巖流體識別方法研究[J]. 劉立峰,孫贊東,韓劍發(fā),趙海濤,能源.  地球物理學(xué)報. 2014(03)
[5]基于多分類相關(guān)向量機(jī)的水電機(jī)組振動故障診斷[J]. 易輝,梅磊,李麗娟,劉宇芳,袁宇浩.  中國電機(jī)工程學(xué)報. 2014(17)
[6]基于Levy-ABC優(yōu)化SVM的水電機(jī)組故障診斷方法[J]. 肖劍,周建中,張孝遠(yuǎn),李超順,寇攀高,肖漢.  振動.測試與診斷. 2013(05)
[7]基于量子自適應(yīng)粒子群優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測[J]. 郭通,蘭巨龍,李玉峰,江逸茗.  電子與信息學(xué)報. 2013(09)
[8]基于Choquet模糊積分的水電機(jī)組振動故障診斷[J]. 張彼德,田源,鄒江平,劉秀峰,吳華豐,隆力.  振動與沖擊. 2013(12)
[9]基于佳點(diǎn)集構(gòu)造的改進(jìn)量子粒子群優(yōu)化算法[J]. 陳義雄,梁昔明,黃亞飛.  中南大學(xué)學(xué)報(自然科學(xué)版). 2013(04)
[10]基于自適應(yīng)擾動量子粒子群算法參數(shù)優(yōu)化的支持向量回歸機(jī)短期風(fēng)電功率預(yù)測[J]. 陳道君,龔慶武,金朝意,張靜,王定美.  電網(wǎng)技術(shù). 2013(04)



本文編號：3328531