现代制造工程
現代製造工程
현대제조공정
MODERN MANUFACTURING ENGINEERING
2013年
6期
121-125
,共5页
矢功率谱%蚁群算法%BP神经网络%故障诊断
矢功率譜%蟻群算法%BP神經網絡%故障診斷
시공솔보%의군산법%BP신경망락%고장진단
vector power spectrum%Ant Colony Algorithm (ACA)%BP neural network%fault diagnosis
针对传统功率谱信号源不足以及BP神经网络收敛速度慢且容易陷入局部极小等问题,提出矢功率谱和蚁群神经网络相结合的故障诊断方法,该方法是:提取矢功率谱的8个频段能量特征,并输入到蚁群神经网络分类器进行故障识别,通过实际训练结果和实验结果对比可知,蚁群神经网络能有效地提高收敛速度,网络迭代次数明显改善,故障识别率提高,将蚁群神经网络应用于机械故障诊断是有效的.
針對傳統功率譜信號源不足以及BP神經網絡收斂速度慢且容易陷入跼部極小等問題,提齣矢功率譜和蟻群神經網絡相結閤的故障診斷方法,該方法是:提取矢功率譜的8箇頻段能量特徵,併輸入到蟻群神經網絡分類器進行故障識彆,通過實際訓練結果和實驗結果對比可知,蟻群神經網絡能有效地提高收斂速度,網絡迭代次數明顯改善,故障識彆率提高,將蟻群神經網絡應用于機械故障診斷是有效的.
침대전통공솔보신호원불족이급BP신경망락수렴속도만차용역함입국부겁소등문제,제출시공솔보화의군신경망락상결합적고장진단방법,해방법시:제취시공솔보적8개빈단능량특정,병수입도의군신경망락분류기진행고장식별,통과실제훈련결과화실험결과대비가지,의군신경망락능유효지제고수렴속도,망락질대차수명현개선,고장식별솔제고,장의군신경망락응용우궤계고장진단시유효적.
