机电工程
機電工程
궤전공정
MECHANICAL & ELECTRICAL ENGINEERING MAGAZINE
2012年
2期
136-141
,共6页
朱文材%胡海刚%朱鸣鹤%庞宏磊
硃文材%鬍海剛%硃鳴鶴%龐宏磊
주문재%호해강%주명학%방굉뢰
故障诊断%BP神经网络%遗传算法
故障診斷%BP神經網絡%遺傳算法
고장진단%BP신경망락%유전산법
为解决BP神经网络收敛速度慢以及容易陷入局部最优解的问题,将遗传算法与BP神经网络相结合应用于轴系故障诊断中.首先设计了船舶柴油机轴系模拟实验平台,然后利用小波包分解技术分析了轴系故障时的振动信号,并将其能谱熵作为故障模式的特征向量,最后对轴系的4种运行状态进行了故障识别与分析.仿真结果表明,GA-BP算法预测精度要高于传统的BP算法,适用于轴系的状态监测和故障诊断.
為解決BP神經網絡收斂速度慢以及容易陷入跼部最優解的問題,將遺傳算法與BP神經網絡相結閤應用于軸繫故障診斷中.首先設計瞭船舶柴油機軸繫模擬實驗平檯,然後利用小波包分解技術分析瞭軸繫故障時的振動信號,併將其能譜熵作為故障模式的特徵嚮量,最後對軸繫的4種運行狀態進行瞭故障識彆與分析.倣真結果錶明,GA-BP算法預測精度要高于傳統的BP算法,適用于軸繫的狀態鑑測和故障診斷.
위해결BP신경망락수렴속도만이급용역함입국부최우해적문제,장유전산법여BP신경망락상결합응용우축계고장진단중.수선설계료선박시유궤축계모의실험평태,연후이용소파포분해기술분석료축계고장시적진동신호,병장기능보적작위고장모식적특정향량,최후대축계적4충운행상태진행료고장식별여분석.방진결과표명,GA-BP산법예측정도요고우전통적BP산법,괄용우축계적상태감측화고장진단.
