典型文献
PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断
文献摘要：
为在非经验指导下获取多尺度一维卷积神经网络中卷积核数目和尺度最优参数,实现风机基础螺栓松动智能诊断,提出粒子群优化(particle swarm optimization,PSO)多尺度一维卷积神经网络的风机基础螺栓松动诊断方法.首先,获取风机一维原始振动信号,划分训练集与验证集;然后,将多尺度一维卷积神经网络中卷积核数目和尺度作为PSO的粒子,以验证精度作为适应度值,根据适应度值更新粒子速度和位置,经训练后获得最优卷积核数目和尺度参数下的多尺度一维卷积神经网络;最后,输入测试样本,得到风机基础螺栓松动诊断结果.在稳定转速和升降速下进行风机基础螺栓松动诊断试验,结果表明,PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断方法可在非经验指导下获取最优参数,可从一维原始信号中提取出有效松动特征,具备良好的松动诊断效果.
文献关键词：
风机基础螺栓;松动诊断;多尺度一维卷积神经网络;粒子群优化(PSO);适应度值
中图分类号：
作者姓名：
徐培文;陈仁祥;胡小林;杨黎霞;唐林林;林立
作者机构：
重庆交通大学交通工程应用机器人重庆市工程实验室,重庆400074;重庆工业大数据创新中心有限公司,重庆400056
文献出处：
引用格式：
[1]徐培文;陈仁祥;胡小林;杨黎霞;唐林林;林立-.PSO优化多尺度一维卷积神经网络的风机基础螺栓松动诊断)[J].振动与冲击,2022(04):86-92
A类：
多尺度一维卷积神经网络,风机基础螺栓
B类：
PSO,螺栓松动,松动诊断,非经,卷积核,核数,最优参数,智能诊断,粒子群优化,particle,swarm,optimization,取风,振动信号,训练集,验证集,适应度值,粒子速度,经训,尺度参数,诊断结果,升降,降速,诊断试验,诊断效果
AB值：
0.140166
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。
