典型文献
基于改进型Hopfield神经网络的潜污泵故障诊断方法
文献摘要：
为了实现对潜污泵运行时的故障问题进行精准诊断,提出一种改进型Hopfield神经网络(HNN)故障诊断方法.利用BP神经网络进行编码操作,克服HNN神经网络的编码缺陷,并通过粒子群优化算法(PSO)对HNN神经网络连接权值进行优化,提高改进型神经网络的全局收敛能力,得到改进型HNN神经网络模型.基于现场实验,获得潜污泵故障运行时的振动信号特征向量,将特征向量作为样本数据对改进型神经网络进行训练,并对潜污泵的故障类型进行诊断.研究结果表明:改进型HNN神经网络全局收敛能力较好,对潜污泵典型故障的诊断准确率达到90％以上,可以实现对潜污泵运行时的故障进行精确诊断.
文献关键词：
潜污泵;改进型Hopfield神经网络;PSO算法;故障诊断;振动信号
中图分类号：
作者姓名：
王慧;李南奇;杨志鹏;赵国超;田立勇
作者机构：
辽宁工程技术大学机械工程学院,阜新123000
文献出处：
引用格式：
[1]王慧;李南奇;杨志鹏;赵国超;田立勇-.基于改进型Hopfield神经网络的潜污泵故障诊断方法)[J].机械强度,2022(01):38-44
A类：
B类：
改进型,Hopfield,潜污泵,故障诊断方法,故障问题,精准诊断,HNN,粒子群优化算法,PSO,网络连接,连接权值,提高改,全局收敛,收敛能力,现场实验,振动信号,信号特征,特征向量,故障类型,典型故障,诊断准确率,精确诊断
AB值：
0.275302
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。
