基于PSO-DBN的液压系统冷却器故障诊断
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
2.14 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
为了实现液压系统中冷却器的故障状态识别,本文提出一种利用粒子群算法优化的深度置信网络(PSO-DBN)实现多传感器信息融合的故障诊断模型。在所提出的模型中,对来自不同传感器的信号进行特征计算与选择并采用多传感器融合方法进行特征级融合送入深度置信网络实现冷却器故障状态的识别。同时采用粒子群算法自适应地选择深度置信网络的超参数,包括隐藏层节点数、反向迭代次数和反向学习率,以确定网络的最优结构,进而提高深度置信网络的诊断精度。本文采用加利福尼亚大学欧文分校机器学习与智能系统中心的液压系统数据集进行验证,实验结果表明,与深度置信网络、遗传算法优化的深度置信网络、粒子群算法优化的支持向量机相比,PSO-DBN能够有效地提取数据中的内在特征,冷却器的故障状态平均识别精度可达98.77%,实现了对冷却器故障状态的可靠识别。相关论文
- 2024-05-02液压AGC在带钢轧制中的实现
- 2024-05-01带钢精轧机液压AGC的研究
- 2024-05-01BP网络在优化精轧AGC硬度系数中的应用
- 2024-05-01基于TDC的热连轧带钢液压AGC系统
- 2022-10-31液压AGC系统在热轧带钢中的应用
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。