信息与控制
信息與控製
신식여공제
INFORMATION AND CONTROL
2011年
4期
570-576
,共7页
曹龙汉%刘小丽%郭晓东%王申涛%代睿
曹龍漢%劉小麗%郭曉東%王申濤%代睿
조룡한%류소려%곽효동%왕신도%대예
粗糙集%径向基函数神经网络%量了微粒群优化算法%柴油机%故障诊断
粗糙集%徑嚮基函數神經網絡%量瞭微粒群優化算法%柴油機%故障診斷
조조집%경향기함수신경망락%량료미립군우화산법%시유궤%고장진단
针对气门故障,以缸盖振动信号的小波包能量谱作为故障特征参数,提出一种粗糙集(RS)与改进的量了微粒群径向基函数神经网络(QPSO-RBF NN)相结合的故障诊断方法.首先应用粗糙集对试验所得的特征参数进行属性约简,去掉冗余信息,简化RBF网络的结构；然后将带变异算子的QPSO算法引入到RBF网络的学习过程中,改进其现有的学习算法,进一步提高故障预测能力.通过对6135D型柴油机气门故障进行诊断,结果表明该方法提高了诊断的精度和效率.
針對氣門故障,以缸蓋振動信號的小波包能量譜作為故障特徵參數,提齣一種粗糙集(RS)與改進的量瞭微粒群徑嚮基函數神經網絡(QPSO-RBF NN)相結閤的故障診斷方法.首先應用粗糙集對試驗所得的特徵參數進行屬性約簡,去掉冗餘信息,簡化RBF網絡的結構；然後將帶變異算子的QPSO算法引入到RBF網絡的學習過程中,改進其現有的學習算法,進一步提高故障預測能力.通過對6135D型柴油機氣門故障進行診斷,結果錶明該方法提高瞭診斷的精度和效率.
침대기문고장,이항개진동신호적소파포능량보작위고장특정삼수,제출일충조조집(RS)여개진적량료미립군경향기함수신경망락(QPSO-RBF NN)상결합적고장진단방법.수선응용조조집대시험소득적특정삼수진행속성약간,거도용여신식,간화RBF망락적결구；연후장대변이산자적QPSO산법인입도RBF망락적학습과정중,개진기현유적학습산법,진일보제고고장예측능력.통과대6135D형시유궤기문고장진행진단,결과표명해방법제고료진단적정도화효솔.
