典型文献
基于DPSO-BP的机械转子故障诊断
文献摘要：
信号特征提取的方式直接影响故障诊断的结果,因此提出一种新的特征向量组合方式从而进行有效故障模式识别,以从原始信号中提取出能够最大程度地表征其所包含信息的信号特征.将经过经验模态分解后得到原始信号的有效IMF分量的能量以及信号的能量熵相结合作为特征向量.由于机械转子故障诊断缺失情况时有发生,提出采用DPSO算法优化BP神经网络的方法.该方法主要通过优化神经网络的初始权值和阈值的方式对BP神经网络进行改进.结果表明:与传统的BP神经网络模型相比,改进后的BP神经网络模型迭代次数大幅度减少,训练时长也相应缩短,模型的训练精度以及故障诊断的正确率也得到提高.
文献关键词：
机械转子;动态权重粒子群算法;BP神经网络;故障诊断
中图分类号：
作者姓名：
张炎亮;齐聪;程燕培
作者机构：
郑州大学管理工程学院,河南郑州450001
文献出处：
引用格式：
[1]张炎亮;齐聪;程燕培-.基于DPSO-BP的机械转子故障诊断)[J].机床与液压,2022(19):194-199
A类：
动态权重粒子群,动态权重粒子群算法
B类：
DPSO,机械转子,转子故障,信号特征提取,特征向量,向量组,组合方式,故障模式识别,经验模态分解,IMF,能量熵,时有发生,算法优化,优化神经网络,权值,模型迭代,迭代次数
AB值：
0.276943
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。
