為解決傳統(tǒng)鋼絲繩斷絲損傷識別方法精度低,BP神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)等問題,提出改進(jìn)粒子群算法（IPSO）的BP神經(jīng)網(wǎng)絡(luò)識別模型。通過采集鋼絲繩斷絲損傷信號,提取缺陷信號特征,用峰值、峰峰值、波寬、波形下面積和波動能量5個特征值組成特征向量作為神經(jīng)網(wǎng)絡(luò)的輸人,斷絲數(shù)量作為神經(jīng)網(wǎng)絡(luò)的輸出;利用改進(jìn)粒子群算法對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行優(yōu)化;建立基于IPSO-BP算法的神經(jīng)網(wǎng)絡(luò)模型,用于鋼絲繩斷絲的定量識別。結(jié)果表明:IPSO-BPS神經(jīng)網(wǎng)絡(luò)模型的鋼絲繩斷絲損傷識別精度、泛化能力均高于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型,且改進(jìn)的粒子群算法迭代尋優(yōu)速度更快。 

【文章來源】：中國安全生產(chǎn)科學(xué)技術(shù). 2020,16(04)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 鋼絲繩斷絲損傷信號的采集與特征提取
    1.1 鋼絲繩斷絲損傷信號采集系統(tǒng)
    1.2 鋼絲繩斷絲信號特征提取
2 鋼絲繩斷絲損傷IPSO-BP神經(jīng)網(wǎng)絡(luò)識別模型
    2.1 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
    2.2 鋼絲繩斷絲損傷IPSO-BP神經(jīng)網(wǎng)絡(luò)
        2.2.1 粒子群優(yōu)化算法
        2.2.2 非線性自適應(yīng)慣性權(quán)重
        2.2.3 鋼絲繩斷絲損傷IPSO-BP算法流程
3 結(jié)果與分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于STM32的鋼絲繩缺陷定量檢測系統(tǒng)設(shè)計[J]. 鐘小勇,劉志輝,張小紅.  自動化與儀表. 2019(05)
[2]基于RBF-BP組合神經(jīng)網(wǎng)絡(luò)的鋼絲繩斷絲定量識別[J]. 趙曉莉,郭寧,高鑫宇.  煤炭技術(shù). 2019(05)
[3]基于Shannon熵的鋼絲繩斷絲損傷信號小波包去噪研究[J]. 朱良,譚繼文,張義清.  煤礦機(jī)械. 2019(03)
[4]基于周向積分磁化的鋼絲繩檢測傳感器[J]. 姜宵園,孫燕華,馬文家,馮曉宇,劉世偉.  傳感器與微系統(tǒng). 2018(12)
[5]基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的鋼絲繩斷絲定量檢測方法[J]. 劉志懷,秦芳,劉娜,黃祖坤,劉學(xué)斌.  振動與沖擊. 2018(18)
[6]基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的鉆井動態(tài)風(fēng)險評估方法[J]. 管志川,勝亞楠,許玉強(qiáng),王慶,張波.  中國安全生產(chǎn)科學(xué)技術(shù). 2017(08)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的鋼絲繩損傷定量識別[J]. 曹原,強(qiáng)寶民,齊彥林,孟小胴,謝政.  起重運輸機(jī)械. 2014(09)
[8]一種鋼絲繩斷絲無損定量檢測方法[J]. 曹青松,劉丹,周繼惠,周建民.  儀器儀表學(xué)報. 2011(04)



本文編號：3011331