CAJ | 학술논문

针对牵引电机非线性、强耦合、时变的特点,提出一种基于混合蛙跳算法脊波神经网络观测器牵引电机故障诊断方法.该方法利用观测器生成残差,并通过对残差的分析实现故障检测与分离.首先将牵引电机模型分为线性函数部分和非线性函数部分,并利用脊波神经网络逼近这个非线性函数,然后在此基础上建立自适应观测器,并通过最优算法求出观测器反馈增益矩阵.为提高神经网络的收敛速度和逼近精度,利用混合蛙跳优化算法对神经网络参数进行优化.通过实验对混合蛙跳算法脊波神经网络观测器、RBF神经网络观测器以及BP神经网络观测器进行比较,结果表明,该方法的收敛速度较BP神经网络观测器提高了80.3％,故障诊断准确率提高41.5％.
침대견인전궤비선성、강우합、시변적특점,제출일충기우혼합와도산법척파신경망락관측기견인전궤고장진단방법.해방법이용관측기생성잔차,병통과대잔차적분석실현고장검측여분리.수선장견인전궤모형분위선성함수부분화비선성함수부분,병이용척파신경망락핍근저개비선성함수,연후재차기출상건립자괄응관측기,병통과최우산법구출관측기반궤증익구진.위제고신경망락적수렴속도화핍근정도,이용혼합와도우화산법대신경망락삼수진행우화.통과실험대혼합와도산법척파신경망락관측기、RBF신경망락관측기이급BP신경망락관측기진행비교,결과표명,해방법적수렴속도교BP신경망락관측기제고료80.3％,고장진단준학솔제고41.5％.