基于多通道卷积神经网络的液压系统多故障诊断
针对现有研究液压系统单一故障较多而复杂多故障较少的情况,结合液压系统实际采集的数据往往具有多采样率的特点,提出一种多通道卷积神经网络模型,将不同采样频率下的传感器数据分别作为一个通道输入,利用卷积神经网络自动进行提取特征,全连接层将提取的多传感器特征信息进行融合,实现液压系统的混合多故障诊断。利用多级评价指标将提出的多通道卷积神经网络模型与传统的单通道卷积神经网络算法对比,结果表明,相较于单通道卷积神经网络不能很好地识别液压系统多故障发生时的液压泵和蓄能器故障,提出的算法模型诊断准确率达到了99%,并且具有很好的鲁棒性。
基于遗传算法优化BP神经网络的液压系统故障诊断
液压系统作为控制和动力传输设备的核心部件,在现代工业生产机械中被广泛应用,准确诊断其故障具有提高生产效率和保障工作安全性等重要的工程意义。液压系统一旦发生故障往往是多故障同时出现,传统BP神经网络故障诊断算法往往不能满足多故障诊断准确率,提出一种基于遗传算法改进BP神经网络(GA-BP)的液压系统故障诊断方法,针对不同采样频率下多传感器信息融合的液压系统3种典型的故障模式进行对比分析。结果表明:GA-BP故障诊断算法相对于传统的
-
共1页/2条