粒子群优化神经网络的光电探测设备故障诊断

发布时间：2022-02-19 16:16

　　光电探测设备是一种具有实际应用价值的设备,其工作状态受外界干扰比较大,出现故障的概率高,针对传统光电探测设备故障的误诊率、虚警率高的难题,以准确对光电探测设备故障进行识别和诊断,设计了粒子群算法（PSO）优化神经网络的光电探测设备故障诊断模型。首先分析国内外对光电探测设备故障研究现状,指出了传统光电探测设备故障方法的局限性,然后采集光电探测设备工作状态信号,提取可以描述故障类型的特征向量,然后采用RBF神经网络建立光电探测设备故障诊断分类器,对RBF神经网络参数难以确定的难题,引入粒子群算法解决该难题,并与其它光电探测设备故障诊断模型进行了对比测试,所提方法的光电探测设备故障诊断正确率超过90%,光电探测设备故障的误诊率、虚警率低于10%,光电探测设备故障效果远优于对比模型。 

【文章来源】：激光杂志. 2020,41(09)北大核心

【文章页数】：5 页

【文章目录】：
1 引言
2 相关理论
3 粒子群算法优化RBF神经网络的光电探测设备故障诊断模型
    3.1 光电探测设备工作状态信号的采集
    3.2 光电探测设备故障特征的提取
    3.3 粒子群算法优化RBF神经网络的光电探测设备故障诊断原理
4 光电探测设备故障诊断模型的验证性测试
    4.1 数据来源
    4.2 光电探测设备故障诊断结果与分析
    4.3 光电探测设备故障诊断的训练时间对比与分析
5 结论


【参考文献】：
期刊论文
[1]机载光电探测设备对地定位算法及其仿真分析[J]. 史光普,李明月.  火力与指挥控制. 2019(07)
[2]利用激光主动探测技术实现光电窥视设备检测的研究[J]. 李晓江,王瑞.  电子测试. 2017(17)
[3]空间目标地基光电探测与识别技术的发展[J]. 王建立.  飞行器测控学报. 2015(06)
[4]利用激光主动探测技术实现光电窥视设备检测[J]. 杨名宇.  中国光学. 2015(02)
[5]军用UUV光电探测技术的应用方向[J]. 肖胜,张路青,许中胜.  舰船电子工程. 2014(11)
[6]基于DoDAF2.0的多频谱光电探测设备软件系统研究[J]. 秦嘉,魏洁英,邵嘉琦,范大鹏,朱文亮.  火力与指挥控制. 2014(S1)
[7]基于虚拟仪器的光电探测设备实验系统设计[J]. 杨成,黄威,查光东.  仪表技术. 2014(03)
[8]大口径光电探测设备主镜晃动的误差补偿[J]. 孙航,张海波,曹立华,耿爱辉.  光学精密工程. 2014(01)
[9]基于ARM的轰炸光电瞄准控制与实现[J]. 王大鹏,范惠林,侯满义,陈丹强.  测控技术. 2013(10)
[10]桅杆型光电探测系统总体精度分析[J]. 陈兆兵,王兵,陈宁,时魁,刘长顺.  兵工学报. 2013(04)



本文编号：3633217