对于改进的pso-bp算法在液压系统故障诊断中的应用

《对于改进的pso-bp算法在液压系统故障诊断中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、HvdraulicsPneumatics＆Seals／No．11．20l2一种改进的PSO—BP算法在液压系统故障诊断中的应用张晓宇(太原科技大学电子信息工程学院，山西太原030024)摘要：液压系统故障诊断中采用BP神经网络进行故障的模式识别，存在着收敛率较低的问题。结合粒子群算法和BP算法各自的优势．提出了一种基于改进的PSO—BP液压系统故障诊断方法。对标准粒子群算法的惯性权重和学习因子进行改进，再对BP神经网络的权值和阈值进行优化，达到改善BP网络性能的目标。仿真结果表明该方法提高了BP网络的收敛率，减小了诊断误差。关键词：粒子群算法：BP神经网络；液压系统；故障诊断中图分

2、类号：TP181：TH137文献标识码：A文章编号：1008—0813(2012)10—0013—03AModifiedPSO——BPAlgorithminHydraulicSystemFaultDiagnosisApplicationZHANGXiao—yu(CollegeofElectronicandInformationEngineeringTaiyuanUniversityofScienceandTechnology，Taiyuan030024，China)Abstract：HydraulicsystemfaultdiagnosisusesBPneuralnetworkfo

3、rfailurepatternrecognition，butitexiststheproblemoflowconvergencerate．CombiningtherespectiveadvantagesofparticleswarmalgorithmandBPalgorithm，anewmodifiedPSO—BPhydraulicsystemfaultdiagnosismethodswasproposed．Firstly，theinertiaweightandlearningfactorofthestandardparticleswarmalgorithmwasimproved，

4、thenBPneuralnetworkweightsandthresholdisoptimizedbymodifiedPSOalgorithm．BPnetworkperformancewasameliorated．ThesimulationresultsshowthatthismethodimprovestheconvergeneerateoftheBPnetwork，anditcoulddiagnosethefailureofengineeringmachineryhydraulicsystem．Keywords：particleswarmoptimizationalgorith

5、m；BPneuralnetwork；hydraulicsystem；faultdiagnosis0引吾都有一个由被优化函数决定的适应度值(fitnessvalue)。粒子在搜索空间内以一定的速度飞行，该速度智能故障诊断技术已被广泛应用于各类工程机械由个体的飞行经验和群体的飞行经验决定。每一次迭的故障诊断中，具有实时监测、远程诊断、结合各领域代，粒子通过追踪个体极值pbest和全局极值gbest更专家对复杂设备故障进行高效处理等传统故障诊断方新其位置和速度，通过数次迭代最终找到适应度最好法所不能比拟的特性。目前智能诊断技术的研究热点的解，即为优化问题的最优解。主要集中于基于专家系统和

6、基于神经网络的智能诊断假设有m个粒子在D维目标搜索空间中，Xi=(．．，系统。而BP神经网络是在实际应用中最为广泛的网络模型之一。BP神经网络具有自动获取知识，学习能力，⋯‰)为粒子i的当前位置，V。=(Il’i2，⋯／．I。)为粒子i的当前飞行速度，=(p．．，Piz，⋯p)为粒子i个体极值，强，推理速度快的特点，但也存在当诊断对象复杂时，(t)为群体中所有微粒所经历过的最好位置，即全局极搜索速度慢，易陷人局部极小，实时性差的缺点⋯。值。对第t次迭代，每个粒子按式(1)和式(2)进行更新：lPSO算法(t+1)=(￡)+clrl()一(￡)]+c2r2[p(f)()】(1)1．1

7、标准PSO算法Xij(+1)=。i(t)+i．(+1)(2)PSO算法首先初始化一个随机的粒子群，每一个式中i——粒子i：粒子的位置代表优化问题中的一个潜在解，所有粒子i——粒子的第i维；加——惯性权重；收稿日期：2012—03—30Cl、c2——学习因子；作者简介：张晓宇(1986一)，男，河北人，硕士，研究方向为信号检测与模r、r2是【0，l】上均匀分布的随机数。式识别13液压气动与密封／2012年第11期1．2改进的PSO算法y——节点的实际输出。标准PSO算法