优化神经网络在矿用电机轴承故障诊断的应用 |
| |
引用本文: | 王煜,周孟然,胡锋,来文豪.优化神经网络在矿用电机轴承故障诊断的应用[J].安徽理工大学学报(自然科学版),2018(4). |
| |
作者姓名: | 王煜 周孟然 胡锋 来文豪 |
| |
作者单位: | 安徽理工大学电气与信息工程学院 |
| |
摘 要: | 为了解决矿用电机轴承故障难于快速诊断的问题,提出一种SCG优化的BP神经网络用于矿用电机轴承故障诊断以提高准确率和诊断速度,与无监督学习的聚类分析进行对比。实验采集到3种故障和正常运行共448组数据,采用三层小波包分析对数据集进行能量谱提取,然后采用SCG-BP神经网络进行故障诊断分析。结果表明,采用SCG-BP神经网络可以对矿用电机的故障进行快速诊断,准确率远远高于聚类分析,对比不同规模的SCG-BP神经网络,得出选用第一层4个神经元的神经网络收敛速度快,对矿用电机轴承的故障识别率能够达到100%,取得结果达到预期。
|
本文献已被 CNKI 等数据库收录! |
|