發(fā)布時間：2017-09-20 18:09

  本文關鍵詞：差分進化網(wǎng)絡在滾動軸承故障診斷中的應用

  更多相關文章： 差分進化 訓練算法 萊文伯格馬夸特算法 滾動軸承 故障診斷

【摘要】：針對滾動軸承故障診斷問題,在分析傳統(tǒng)的誤差反向傳播(BP)算法、萊文伯格馬夸特(LM)算法等經(jīng)典人工神經(jīng)網(wǎng)絡訓練方法的基礎上,提出了差分進化訓練算法。在選取差分進化策略時,取消了變異個體選取限制,從而加快了算法收斂速度。采用不同故障部位和程度的滾動軸承故障實驗數(shù)據(jù)構成樣本集合,并分別運用最速下降法、LM算法和差分進化算法對相同結構的人工神經(jīng)網(wǎng)絡進行訓練,對比分析其故障分類性能。實驗結果表明,差分進化算法能較好地識別滾動軸承故障,準確度較高,總體上與LM算法相當,且其在多次實驗中故障識別率的最大值與最小值差別較小,具有較好的穩(wěn)定性,同時該算法避免了LM算法存在的"過學習"問題。
【作者單位】： 解放軍理工大學野戰(zhàn)工程學院;陸軍通信訓練基地;
【關鍵詞】： 差分進化 訓練算法 萊文伯格馬夸特算法 滾動軸承 故障診斷
【基金】：國家自然科學基金資助項目(61473263)
【分類號】：TP18;TH133.33
【正文快照】： 機械故障診斷對于保障設備的安全運行以及維持設備處于完好的技術狀態(tài)具有十分重要的意義[1]。目前,應用于故障診斷的方法有小波分析[2]、經(jīng)驗模式分解[3]和人工神經(jīng)網(wǎng)絡[4]等。其中,人工神經(jīng)網(wǎng)絡方法通過構建具有學習能力的網(wǎng)絡,能夠對大量復雜數(shù)據(jù)進行分析,廣泛應用于復雜問

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 潘全科;王凌;高亮;桑紅燕;;基于差分進化與塊結構鄰域的作業(yè)車間調度優(yōu)化[J];機械工程學報;2010年22期

2 何兵;車林仙;劉初升;;結合機械設計約束處理的差分進化算法[J];機械設計;2012年04期

3 王萬良;范麗霞;徐新黎;張靜;;基于混合差分進化算法的并行機批處理調度問題研究[J];機電工程;2012年02期

4 何兵;車林仙;劉初升;;基于離散差分進化算法的齒輪優(yōu)化設計[J];機械傳動;2012年10期

5 王海燕;趙燕偉;張景玲;史文浩;張立萍;;基于混合差分進化的混排Flow-shop分批優(yōu)化調度[J];計算機集成制造系統(tǒng);2013年07期

6 ;[J];;年期

，

本文編號：889596