液压与气动
液壓與氣動
액압여기동
CHINESE HYDRAULICS & PNEUMATICS
2014年
7期
34-37,48
,共5页
钱宝存%赵龙章%何如意%高士翔
錢寶存%趙龍章%何如意%高士翔
전보존%조룡장%하여의%고사상
液压泵%PSO优化%小波包分解%RBF神经网络
液壓泵%PSO優化%小波包分解%RBF神經網絡
액압빙%PSO우화%소파포분해%RBF신경망락
hydraulic%pump%PSO%optimization%wavelet%packet%decomposition%RBF%neural%network
提出一种多理论融合的新型故障诊断方法并实验验证.选择在函数逼近、学习速率等方面有优势的径向基(RBF)网络,同时采用小波包分解对振动信号降噪并提取频带能量作为RBF的输入.引入粒子群算法(PSO)对RBF神经网络的参数进行优化.结果表明PSO优化的小波RBF神经网络能较为准确地对液压泵故障做出识别与监测.
提齣一種多理論融閤的新型故障診斷方法併實驗驗證.選擇在函數逼近、學習速率等方麵有優勢的徑嚮基(RBF)網絡,同時採用小波包分解對振動信號降譟併提取頻帶能量作為RBF的輸入.引入粒子群算法(PSO)對RBF神經網絡的參數進行優化.結果錶明PSO優化的小波RBF神經網絡能較為準確地對液壓泵故障做齣識彆與鑑測.
제출일충다이론융합적신형고장진단방법병실험험증.선택재함수핍근、학습속솔등방면유우세적경향기(RBF)망락,동시채용소파포분해대진동신호강조병제취빈대능량작위RBF적수입.인입입자군산법(PSO)대RBF신경망락적삼수진행우화.결과표명PSO우화적소파RBF신경망락능교위준학지대액압빙고장주출식별여감측.
