本文關(guān)鍵詞：遺傳小波神經(jīng)網(wǎng)絡(luò)及在電機故障診斷中的應(yīng)用

  更多相關(guān)文章： 遺傳算法 神經(jīng)網(wǎng)絡(luò) 小波包 故障診斷 電機

【摘要】：本文給出了基于優(yōu)化遺傳算法的小波神經(jīng)網(wǎng)絡(luò)故障診斷模型。首先利用改進的遺傳算法對神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行遺傳操作,獲得具有一定遍歷性的初始權(quán)值和閾值,然后再利用神經(jīng)網(wǎng)絡(luò)的L-M訓(xùn)練方法進行訓(xùn)練,克服了BP神經(jīng)網(wǎng)絡(luò)搜索速度慢和容易陷入局部極值的缺點,保證了訓(xùn)練過程收斂,而且故障識別的能力和精度也大大提高。同時引進比小波分析具有更強高頻分析能力的小波包技術(shù),并將其應(yīng)用到故障信號的特征頻率分析中,以得到的結(jié)果作為改進遺傳神經(jīng)網(wǎng)絡(luò)的輸入信號,保證訓(xùn)練網(wǎng)絡(luò)的準確性。通過對電機故障進行仿真試驗,證實該方法的有效性及正確性。
【作者單位】： 哈爾濱工程大學(xué)自動化學(xué)院;
【分類號】：TM307;TP183
【正文快照】： 1引言神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域[1]體現(xiàn)了強大的自組織、自適應(yīng)和非線性映射能力,但仍存在訓(xùn)練速度慢和易陷入局部最優(yōu)等缺點。不同網(wǎng)絡(luò)模型某些性能得到改善,但往往增加模型復(fù)雜度,從而降低訓(xùn)練速度。L-M算法訓(xùn)練速度有所提高,但訓(xùn)練曲線波動大,易陷入局部極值點。遺傳算法操

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 段玉倩,賀家李;遺傳算法及其改進[J];電力系統(tǒng)及其自動化學(xué)報;1998年01期

2 廖傳軍;羅曉莉;李學(xué)軍;;小波包在聲發(fā)射信號特征提取中的應(yīng)用[J];電子測量與儀器學(xué)報;2008年04期

3 唐友懷;張海濤;羅珊;姜U，

本文編號：1257072