10.3969/j.issn.1009-0134.2020.06.012
基于PSO优化RBF神经网络的往复式压缩机故障诊断
为解决往复式压缩机故障诊断难度大且准确率不高的问题,提出一种利用小波包分解和基于PSO优化RBF神经网络的故障诊断方法.该方法利用小波包多层分解对压缩机进行故障特征的提取;针对RBF神经网络易陷入局部最优问题,通过减聚类算法计算出神经网络隐含层的最优节点数,排除人为指定超参数的不确定性.再利用改进后的PSO算法对RBF神经网络的内部参数进行全局寻优;将提取到的故障特征输入到优化后的RBF神经网络,实现对往复式压缩机的故障诊断.实验将压缩机气阀振动信号作为信号源,对上述诊断方法进行验证并与基于BF神经网络和未经优化的RBF神经网络两种诊断方法进行对比.结果 表明,该诊断方法具有更好的诊断效果和更高的准确率.
往复式压缩机、粒子群优化算法、径向基神经网络、故障诊断、小波包分解
42
TH457;TP277;TP183(气体压缩与输送机械)
河北省科技计划项目14214902D
2020-06-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
47-52