基于改进型Hopfield神经网络的潜污泵故障诊断方法
王慧
李南奇
杨志鹏
赵国超
田立勇
辽宁工程技术大学机械工程学院,阜新123000
摘要：为了实现对潜污泵运行时的故障问题进行精准诊断,提出一种改进型Hopfield神经网络(HNN)故障诊断方法.利用BP神经网络进行编码操作,克服HNN神经网络的编码缺陷,并通过粒子群优化算法(PSO)对HNN神经网络连接权值进行优化,提高改进型神经网络的全局收敛能力,得到改进型HNN神经网络模型.基于现场实验,获得潜污泵故障运行时的振动信号特征向量,将特征向量作为样本数据对改进型神经网络进行训练,并对潜污泵的故障类型进行诊断.研究结果表明:改进型HNN神经网络全局收敛能力较好,对潜污泵典型故障的诊断准确率达到90％以上,可以实现对潜污泵运行时的故障进行精确诊断.
关键词：潜污泵改进型Hopfield神经网络PSO算法故障诊断振动信号
分类号：TP277(自动化技术及设备)
资助基金：国家自然科学基金(51874157)
论文发表日期：2022-02-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 38-44 )
英文信息