应用ACSBP算法的轴承故障诊断

发布时间：2018-02-21 04:20

  本文关键词： 轴承 故障诊断 布谷鸟搜索 自适应 神经网络　出处：《机械传动》2017年09期 　论文类型：期刊论文

【摘要】：为进行轴承故障位置和损失程度的有效识别,提出一种基于自适应布谷鸟搜索算法结合BP神经网络(ACSBP)的故障诊断模型。在ACS算法中,取消了Levy飞行策略,降低了算法搜索过程的随机性。同时,步长的更新由适应度函数值决定,无需进行参数初始化,以体现面向不同优化问题的普适性。此外,发现概率采用动态调整方式,提高了ACS算法的寻优精度以及收敛速度。以此为基础,实现了轴承故障诊断模型的构建。仿真实例表明,与布谷鸟搜索算法结合BPNN(CSBP)和粒子群算法结合BPNN(PSOBP)相比,ACSBP模型具有较强的容错性,可有效提高轴承故障诊断的精度。
[Abstract]:A fault diagnosis model based on adaptive cuckoo search algorithm and BP neural network is proposed to effectively identify the bearing fault location and loss degree. In the ACS algorithm, the Levy flight strategy is eliminated. The randomness of the search process is reduced. At the same time, the update of the step size is determined by the fitness function value, and no parameter initialization is required to reflect the universality of different optimization problems. In addition, the probability is dynamically adjusted. The optimization accuracy and convergence speed of ACS algorithm are improved. Based on this, the bearing fault diagnosis model is constructed. The simulation example shows that, Compared with the Cuckoo search algorithm and the particle swarm optimization algorithm, the ACSBP model is more fault-tolerant than the Cuckoo search algorithm and the particle swarm optimization algorithm, which can effectively improve the accuracy of bearing fault diagnosis.
【作者单位】： 红河学院工学院;
【基金】：国家自然科学基金(51669006)
【分类号】：TH133.3

【相似文献】

相关期刊论文 前10条

1 李三平,杨立芳,杨立功;铁路货车轴承故障诊断方法[J];轴承;2000年09期

2 ;轴承故障诊断有了“透视镜”[J];机电设备;2001年06期

3 薛松;程珩;杨勇;;伪Wigner-Ville分布在电机轴承故障诊断中的应用[J];机械工程与自动化;2008年04期

4 赵志宏;杨绍普;;一种基于样本熵的轴承故障诊断方法[J];振动与冲击;2012年06期

5 黄晋英;潘宏侠;毕世华;杨喜旺;;基于高阶累量谱的轴承故障诊断[J];火炮发射与控制学报;2007年02期

6 陶新民;徐晶;刘兴丽;刘玉;;基于最大小波奇异谱的轴承故障诊断方法[J];振动、测试与诊断;2010年01期

7 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期

8 李正安,李登啸;单片机轴承故障诊断系统[J];轴承;1992年03期

9 杨望灿;张培林;张云强;;基于邻域自适应局部保持投影的轴承故障诊断模型[J];振动与冲击;2014年01期

10 朱文来;;希尔伯特-黄变换在轴承故障诊断中的应用研究[J];科技创新导报;2013年34期

相关会议论文 前9条

1 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年

2 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

3 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年

4 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年

5 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

6 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年

7 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术（第九卷）[C];2011年

8 郝旺身;韩捷;董辛e，

本文编号：1520970