申请/专利权人:昆明理工大学
申请日:2024-03-22
公开(公告)日:2024-06-18
公开(公告)号:CN118211152A
主分类号:G06F18/2431
分类号:G06F18/2431;G01H17/00;G06F18/213;G06N3/084;G06N3/086;G06N7/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.18#公开
摘要:本发明公开了一种基于CSABO‑VMD和多策略改进的BOA‑BP的灯泡贯流水电机组故障诊断方法,属于振动信号处理领域。包括以下步骤采集灯泡贯流水电机组四种工况下的振动信号;使用优化算法CSABO优化VMD分解的k、α两个参数;使用经过优化后的VMD分解方法对采集的振动信号进行分解,利用多尺度样本熵方法从分解后的振动信号中提取特征向量;采用改进后的蝴蝶优化算法优化BP神经网络的权重与偏置,得到优化后的BOA‑BP神经网络;将特征集输入优化后的BOA‑BP神经网络,训练模型得到IBOA‑BP故障诊断模型,将测试集输入IBOA‑BP故障诊断模型进行状态识别,完成对灯泡贯流水电机组振动信号的故障诊断。本方法对于灯泡贯流水电机组振动信号的识别准确率达到95%以上,具有较好的诊断性能和鲁棒性。
主权项:1.一种基于CSABO-VMD和多策略改进的BOA-BP的灯泡贯流水电机组故障诊断方法,其特征在于包括如下步骤:1分别采集灯泡贯流水电机组转子质量不平衡、机组轴系不对中、动静部件碰磨、正常状态四种工况下的振动信号;2在基于减法平均优化算法的基础上引入logistic混沌映射得到优化算法CSABO,使用优化算法CSABO优化VMD分解的k、α两个参数;3使用经过优化后的VMD分解方法对采集的振动信号进行分解,得到分解后的IMF分量;4利用多尺度样本熵方法从分解后的振动信号中提取特征向量,并组成特征集;5在蝴蝶优化算法初始化种群位置时候引入动态反向学习策略,利用已出现种群的位置,不断比较更新,提高初始种群个体质量,并在迭代后期引入t分布变异策略,跳出可能陷入的局部最优陷阱;以此优化BP神经网络的权重与偏置,得到优化后的BOA-BP神经网络;6将特征集分为训练集和测试集,将特征集输入优化后的BOA-BP神经网络,训练模型得到IBOA-BP故障诊断模型,将测试集输入IBOA-BP故障诊断模型进行状态识别,完成对灯泡贯流水电机组振动信号的故障诊断。
全文数据:
权利要求:
百度查询: 昆明理工大学 基于CSABO-VMD和多策略改进的BOA-BP的灯泡贯流水电机组故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。