基于改进的遗传算法和BP神经网络的轴承故障诊断研究
Zenghua Chen1, Lingjian Zhu2, He Lu3
1State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China.
Scientific reports
|July 5, 2024
概括
这项研究引入了一种改进的基因算法优化的反向传播神经网络 (IGA-BPNN),用于准确的滚动轴承故障诊断. 这种新的方法提高了诊断准确度和融合速度,提高了机械设备的可靠性.
科学领域:
- 机械工程 机械工程
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 有效的健康监测和滚动轴承故障诊断对于机械设备至关重要.
- 传统的BP神经网络面临着局部最小值,缓慢的融合和故障诊断中的样本依赖等挑战.
研究的目的:
- 通过使用改进的BP神经网络,提高滚动轴承故障诊断的准确性和效率.
- 通过先进的优化技术克服标准BP神经网络的局限性.
主要方法:
- 从滚动轴承的振动信号开发了一个特征模型.
- 使用改进的遗传算法 (IGA) 来优化BP神经网络的初始权重,偏差和超参数.
- IGA适应性地调整交叉和突变概率,并将精英保留与等级比例选择相结合.
主要成果:
- 与其他七种模型相比,拟议的IGA-BPNN表现出优越的性能.
- 该算法在融合速度和预测准确性方面都显示出显著的改进.
- 使用Case Western Reserve大学滚动轴承数据集进行验证.
结论:
- IGA-BPNN有效地解决了用于滚动轴承故障诊断的传统BP网络的局限性.
- 拟议的方法为机械设备健康监测提供了更强大,更有效的解决方案.
- 这项研究有助于在工业应用中推进预测性维护策略.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.6K
11:53The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy
Published on: October 14, 2017
11.6K
