基于混合雜草算法——神經(jīng)網(wǎng)絡的轉子故障數(shù)據(jù)分類方法研究.pdf_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,隨著現(xiàn)代機械設備的大型化、復雜化、自動化和連續(xù)化,開展機械設備的故障診斷技術的研究具有重要的現(xiàn)實意義。目前,國內外學者在此方面做了大量的工作,使得相關的理論與應用取得的迅猛的發(fā)展。機械故障診斷是通過研究故障與征兆之間的關系來判斷設備故障的,而故障與征兆之間表現(xiàn)出的非常復雜的非線性關系,很難用數(shù)學模型加以精確的描述,給機械的故障診斷帶來很大的不便。人工神經(jīng)網(wǎng)絡是一種重要的人工智能行為,是一個非線性計算系統(tǒng),可以實現(xiàn)故障與征兆之間復

2、雜的非線性映射關系,因此在機械故障診斷領域得到了極大的應用潛力。
   本文構建的混合雜草優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡預測模型,以轉子試驗臺模擬的大量的故障數(shù)據(jù)為支持,采用信息熵方法來定量的對故障數(shù)據(jù)進行特征提取,混合的雜草優(yōu)化算法優(yōu)化神經(jīng)網(wǎng)絡結構。主要工作內容和研究成果如下:
   (1)在轉子實驗臺上模擬了四種典型故障,對信息熵的性質和時域的奇異譜熵、頻域的功率譜熵、時頻域的小波能譜熵和小波空間譜熵進行了較為系統(tǒng)的研究和

3、探討。
   (2)以四類譜熵為原始數(shù)據(jù),對數(shù)據(jù)進行歸一化處理,并建立訓練樣本庫和測試樣本庫。
   (3)在分析遺傳算法、粒子群算法優(yōu)點的基礎上,將遺傳算法中的交叉算子、粒子群算法的矢量操作引入IWO,提出了HIWO。
   (4)建立了HIWO優(yōu)化BP神經(jīng)網(wǎng)絡模型,由HIWO算法訓練BP網(wǎng)絡訓練的初始最優(yōu)權值和閾值,然后在訓練好的BP神經(jīng)網(wǎng)絡中對測試樣本進行預測,并且與遺傳算法、粒子群算法及IWO優(yōu)化的神經(jīng)網(wǎng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論