典型文献
GA-BP神经网络在液压缸故障诊断仿真中的应用
文献摘要：
大型AGC伺服液压缸结构复杂、价格昂贵、维修成本高,故障模拟代价巨大.为解决大型液压缸实际工作过程中故障数据难收集难处理的问题,提出利用仿真模拟液压缸模型,从中提取故障数据,通过遗传算法(Genetic Algorithm,GA)来优化BP神经网络处理数据的故障诊断方式.运用仿真软件AMESim建立对应的液压缸仿真模型,通过改变仿真参数模拟出液压缸5种故障类型,获取故障数据.分别用传统的BP网络和经过遗传算法优化后的BP网络进行训练和测试.测试结果表明,GA-BP神经网络比传统BP神经网络测试误差小、预测精度高,能够准确实现故障诊断.该方法也为大型液压缸故障诊断提供了一种解决思路和方法.
文献关键词：
液压缸;遗传算法;AMESim;故障诊断
中图分类号：
作者姓名：
郭媛;罗严;曾良才
作者机构：
武汉科技大学冶金装备及其控制教育部重点实验室,湖北 武汉 430081;武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉 430081
文献出处：
引用格式：
[1]郭媛;罗严;曾良才-.GA-BP神经网络在液压缸故障诊断仿真中的应用)[J].机械设计与制造,2022(11):48-52,57
A类：
B类：
GA,液压缸,真中,AGC,伺服,价格昂贵,维修成本,故障模拟,故障数据,难处,仿真模拟,模拟液,Genetic,Algorithm,诊断方式,AMESim,仿真参数,参数模拟,模拟出,故障类型,遗传算法优化,网络测试,测试误差,解决思路,思路和方法
AB值：
0.336042
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
