《表1 测试样本期望输出:基于PSO优化RBF神经网络的往复式压缩机故障诊断》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于PSO优化RBF神经网络的往复式压缩机故障诊断》
依据小波包分解得到的特征向量维度和压缩机4种工作状态确定神经网络输入层和输出层节点数分别为8和4,通过减聚类算法确定隐含层节点数k=10。将四种工作状态进行编码,如表1所示。每种工作状态取10组,共40组数据样本进行神经网络训练,每种工作状态取1组,共4组数据样本用于测试。按上述方法利用改进后PSO算法进行RBF神经网络参数求解。改进后的PSO算法和标准PSO算法粒子适应度随迭代次数的变化如图5所示。实验结果表明,改进后的PSO算法相比标准PSO算法有更高的精度,能够在更大的范围内搜寻全局最优解,一定程度上避免了陷入局部最优解导致提前收敛的问题。
图表编号 | XD00163598000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 丁承君、张家梁、冯玉伯、王鑫 |
绘制单位 | 河北工业大学机械工程学院、河北工业大学机械工程学院、河北工业大学机械工程学院、河北工业大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |