-
公开(公告)号:CN113567117B
公开(公告)日:2021-12-14
申请号:CN202111119164.2
申请日:2021-09-24
Applicant: 南京农业大学
IPC: G01M13/021 , G01M13/028 , G06N3/08
Abstract: 本发明提供了一种基于PSOOBP‑CS算法的齿轮箱故障诊断方法,基于ICEEMDSN和MPE算法提取齿轮箱故障特征数据,首先判断间歇分量的存在,据此采用相应分解算法,提高了运算效率,减少了传统特征提取方法中仅采用ICEEMDAN算法在信号分解过程中添加的白噪声的残余。本发明通过齿轮箱工况数据采集装置采集测试数据,并传递至计算机中的故障诊断单元,利用PSOOBP‑CS算法优化存储在故障诊断单元中的Elman‑TCL神经网络,将PSO的搜索能力与CS的全局搜索能力相叠加,优化PSO算法中粒子速度与位置,优化PSO算法粒子全局最优位置,使其摆脱过早收敛和容易陷入局部最优的缺点,故障诊断效果好。
-
公开(公告)号:CN113567117A
公开(公告)日:2021-10-29
申请号:CN202111119164.2
申请日:2021-09-24
Applicant: 南京农业大学
IPC: G01M13/021 , G01M13/028 , G06N3/08
Abstract: 本发明提供了一种基于PSOOBP‑CS算法的齿轮箱故障诊断方法,基于ICEEMDSN和MPE算法提取齿轮箱故障特征数据,首先判断间歇分量的存在,据此采用相应分解算法,提高了运算效率,减少了传统特征提取方法中仅采用ICEEMDAN算法在信号分解过程中添加的白噪声的残余。本发明通过齿轮箱工况数据采集装置采集测试数据,并传递至计算机中的故障诊断单元,利用PSOOBP‑CS算法优化存储在故障诊断单元中的Elman‑TCL神经网络,将PSO的搜索能力与CS的全局搜索能力相叠加,优化PSO算法中粒子速度与位置,优化PSO算法粒子全局最优位置,使其摆脱过早收敛和容易陷入局部最优的缺点,故障诊断效果好。
-