液压与气动
液壓與氣動
액압여기동
CHINESE HYDRAULICS & PNEUMATICS
2014年
11期
91-94,127
,共5页
液压故障诊断%改进PSO算法%RBF神经网络
液壓故障診斷%改進PSO算法%RBF神經網絡
액압고장진단%개진PSO산법%RBF신경망락
hydraulic troubleshooting%improved PSO algorithm%RBF neural network
引入了一种基于解空间划分的改进粒子群算法,有效地解决了传统粒子群算法前期容易陷入局部极小值的问题,并将此算法应用到RBF神经网络的参数优化和样本学习中.运用聚减累算法确定了径向基函数中心个数,通过改进的PSO优化了网络中基函数的中心值和宽度,最后利用PSO训练网络输出样本,实现了液压钻机的故障诊断.试验结果表明,基于改进PSO优化的RBF神经网络在液压钻机故障诊断中,在样本较小的情况下,具有较快的响应速度以及较高的诊断精度.
引入瞭一種基于解空間劃分的改進粒子群算法,有效地解決瞭傳統粒子群算法前期容易陷入跼部極小值的問題,併將此算法應用到RBF神經網絡的參數優化和樣本學習中.運用聚減纍算法確定瞭徑嚮基函數中心箇數,通過改進的PSO優化瞭網絡中基函數的中心值和寬度,最後利用PSO訓練網絡輸齣樣本,實現瞭液壓鑽機的故障診斷.試驗結果錶明,基于改進PSO優化的RBF神經網絡在液壓鑽機故障診斷中,在樣本較小的情況下,具有較快的響應速度以及較高的診斷精度.
인입료일충기우해공간화분적개진입자군산법,유효지해결료전통입자군산법전기용역함입국부겁소치적문제,병장차산법응용도RBF신경망락적삼수우화화양본학습중.운용취감루산법학정료경향기함수중심개수,통과개진적PSO우화료망락중기함수적중심치화관도,최후이용PSO훈련망락수출양본,실현료액압찬궤적고장진단.시험결과표명,기우개진PSO우화적RBF신경망락재액압찬궤고장진단중,재양본교소적정황하,구유교쾌적향응속도이급교고적진단정도.
