搜索资源列表
BP-gearbox-fault-3
- 基于改递的BP神经网络齿轮箱故瞪i全断方法的研究:对BP神经网络存在局部极小值和收敛速度慢等问题,提出了一种RPROP的改进的BP神经网络。RPROP 神经网络具有优良的非线性映射能力,可以很好地描述频率特征和诊断结果之间的关系。本文利用MATLAB结合齿轮箱故障建立了标准BP神经网络和本文提出的改进BP神经网络的两个故障诊断模型,并对其性能做了分析和对比。实验表明,基于改进的BP神经网络的齿轮箱故障诊断方法可以大大提高故障诊断的精确性,缩短了诊断时间。-BP based gearbox f
Constrained-Engineering-Optimization
- 将离散约束优化问题转化为非负整数约束规划问题,开发求解该问题的离散差分进化算法。该算法采用基于混沌映射 的种群初始化、双版本变异和带随机扰动项的取整运算等新策略。针对非线性约束条件,给出惩罚基数的计算方法和连续映 射基函数的表达式,在此基础上设计处理非线性约束的自适应惩罚因子。提出一种刻画种群多样性的新测度——种群二次平 均基因距离及基于新测度的依概率混沌移民算子。将自适应罚函数法、依概率混沌移民操作与离散差分进化算法有机融合, 构造面向工程约束优化的混合离散差分进化算法
331
- 针对齿轮箱振动信号的非平稳性和非线性, 提出一种多重分形和支持向量机相结合的故障 诊断方法。运用多重分形理论方法对齿轮振动信号进行分析, 通过分析发现多重分形谱和广义维数作 为故障特征能够很好地反映齿轮箱的工作状态 对支持向量机的参数利用粒子群优化算法进行优化, 并 将齿轮箱振动信号的多重分形特征量作为支持向量机的输入参数以识别齿轮的故障类型。实验结果表明, 该方法在样本较小的情况下能够准确对齿轮箱的故障类型进行分类-Gearbox vibration signal of non-s