基于粒子群优化SOM神经网络的轴系多振动故障诊断

doi:10.16578/j.issn.1004.2539.2011.06.008

您当前的位置：

首页 >

文章列表页 >

基于粒子群优化SOM神经网络的轴系多振动故障诊断

更新时间：2025-04-03

- 基于粒子群优化SOM神经网络的轴系多振动故障诊断
- Vol. 35, Issue 6, Pages: 76-78+82(2011)
- 作者机构：
  
  西安建筑科技大学
- 作者简介：
- 基金信息：
- DOI：10.16578/j.issn.1004.2539.2011.06.008
  CLC： TH165.3;TP183
- Published：2011
- 稿件说明：
移动端阅览
[1]贾爽,贺利乐.基于粒子群优化SOM神经网络的轴系多振动故障诊断[J].机械传动,2011,35(06):76-78+82.

[J]. 2011, 35(6): 76-78+82.
[1]贾爽,贺利乐.基于粒子群优化SOM神经网络的轴系多振动故障诊断[J].机械传动,2011,35(06):76-78+82. DOI： 10.16578/j.issn.1004.2539.2011.06.008.

[J]. 2011, 35(6): 76-78+82. DOI： 10.16578/j.issn.1004.2539.2011.06.008.

摘要

针对自组织特征映射神经网络（SOM）在多振动故障诊断中出现的不能对所有可能故障完整分类和明显区分的缺点

提出基于粒子群算法优化的SOM神经网络。利用粒子群优化算法易实现、收敛快等优点

对SOM神经网络的参数进行优化

并用优化后的SOM神经网络对轴系故障进行仿真诊断。仿真诊断结果表明

粒子群算法优化的SOM神经网络比SOM神经网络具有更好的聚类效果。

Abstract

For various vibration faults diagnosis of shaft

the deficiency of full classification and obvious distinguish by using Self-organizing Feature Map（SOM） network is analyzed and a SOM Neural Network algorithm based on Particle Swarm Optimization（PSO） is presented.Being easy to realize

fast to convergence

the parameters are optimized by the algorithm and vibration faults diagnosis of the shaft system is simulated by the optimized SOM Neural Network.The diagnostic results of the instance show that it has better classifying results than that of ROM Neural Network.

关键词

Keywords

references

Views

286

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

齿轮箱故障诊断技术的新发展

蚁群神经网络在齿轮箱故障诊断中的研究与应用

基于神经网络的齿轮故障诊断专家系统

基于小波神经网络弧齿锥齿轮故障诊断及实验研究

基于证据理论的齿轮故障诊断

Related Author

高国华

张永忠

吴玉国

宋崇智

李佳

礼宾

王梦卿

扶碧波

Related Institution

西北工业大学机电学院2. 西安工业大学机电工程学院

红河学院工学院

军械工程学院军械技术研究所

兰州交通大学机电工程学院

中北大学机械工程与自动化学院2. 晋中学院机械学院

⁰