基于IPSO-BP神经网络的钢丝绳断丝损伤识别模型研究

发布时间：2021-01-31 17:57

　　为解决传统钢丝绳断丝损伤识别方法精度低,BP神经网络陷入局部最优等问题,提出改进粒子群算法（IPSO）的BP神经网络识别模型。通过采集钢丝绳断丝损伤信号,提取缺陷信号特征,用峰值、峰峰值、波宽、波形下面积和波动能量5个特征值组成特征向量作为神经网络的输人,断丝数量作为神经网络的输出;利用改进粒子群算法对BP神经网络的初始权值和阈值进行优化;建立基于IPSO-BP算法的神经网络模型,用于钢丝绳断丝的定量识别。结果表明:IPSO-BPS神经网络模型的钢丝绳断丝损伤识别精度、泛化能力均高于传统BP神经网络模型,且改进的粒子群算法迭代寻优速度更快。 

【文章来源】：中国安全生产科学技术. 2020,16(04)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1 钢丝绳断丝损伤信号的采集与特征提取
    1.1 钢丝绳断丝损伤信号采集系统
    1.2 钢丝绳断丝信号特征提取
2 钢丝绳断丝损伤IPSO-BP神经网络识别模型
    2.1 BP神经网络拓扑结构
    2.2 钢丝绳断丝损伤IPSO-BP神经网络
        2.2.1 粒子群优化算法
        2.2.2 非线性自适应惯性权重
        2.2.3 钢丝绳断丝损伤IPSO-BP算法流程
3 结果与分析
4 结论


【参考文献】：
期刊论文
[1]基于STM32的钢丝绳缺陷定量检测系统设计[J]. 钟小勇,刘志辉,张小红.  自动化与仪表. 2019(05)
[2]基于RBF-BP组合神经网络的钢丝绳断丝定量识别[J]. 赵晓莉,郭宁,高鑫宇.  煤炭技术. 2019(05)
[3]基于Shannon熵的钢丝绳断丝损伤信号小波包去噪研究[J]. 朱良,谭继文,张义清.  煤矿机械. 2019(03)
[4]基于周向积分磁化的钢丝绳检测传感器[J]. 姜宵园,孙燕华,马文家,冯晓宇,刘世伟.  传感器与微系统. 2018(12)
[5]基于主成分分析和BP神经网络的钢丝绳断丝定量检测方法[J]. 刘志怀,秦芳,刘娜,黄祖坤,刘学斌.  振动与冲击. 2018(18)
[6]基于PSO优化BP神经网络的钻井动态风险评估方法[J]. 管志川,胜亚楠,许玉强,王庆,张波.  中国安全生产科学技术. 2017(08)
[7]基于BP神经网络的钢丝绳损伤定量识别[J]. 曹原,强宝民,齐彦林,孟小胴,谢政.  起重运输机械. 2014(09)
[8]一种钢丝绳断丝无损定量检测方法[J]. 曹青松,刘丹,周继惠,周建民.  仪器仪表学报. 2011(04)



本文编号：3011331