[发明专利]一种基于自适应PSO‑BP神经网络的液压泵故障诊断方法

摘要

本发明涉及一种基于自适应PSO‑BP神经网络的液压泵故障诊断方法，其包括(1)、初始化粒子群规模；(2)、计算网络适应度值；(3)、统计粒子pBest和粒子gBest后进入步骤(4)；(4)、更新惯性权重w，更新粒子位置和速度，进入步骤(5)；(5)、计算适应度函数，若T时刻适应度>T‑1时刻适应度，进入步骤(7)，反之进入步骤(6)；(6)、初始化惯性系数W＝0，进入步骤(7)；(7)、更新粒子的个体极值和群体极值后，进入步骤(8)；(8)、随机变异，进入步骤(9)；(9)、若迭代次数大于阈值，输出gBest，反之进入步骤(4)。

主权项

一种基于自适应PSO‑BP神经网络的液压泵故障诊断方法，其特征在于，包括以下步骤：(1)、初始化粒子群规模；(2)、计算网络适应度值，网络适应度值通过网络输出误差E表征，其表达式为：其中：_E表示网络输出误差；表示期望输出；表示实际输出；p表示输入样本个数；(3)、统计粒子pBest和粒子gBest后进入步骤(4)；(4)、更新惯性权重w，更新粒子位置和速度，进入步骤(5)，其中，惯性权重w的更新公式为:w＝((maxw‑minw)*(maxiter‑nowiter)/maxinter)²+minw，maxw、minw分别表示变化范围上限和下限；maxiter表示最大迭代次数；nowiter表示现在的迭代次数；粒子位置更新公式为：其中，表示k次迭代时粒子位置，表示k+1次迭代时粒子速度；粒子速度公式为其中，w为惯性权重，表示k次迭代粒子速度，c₁、c₂表示加速项权重因子，p_id是d纬粒子i的个体最好位置，p_gd是是d纬群体最好位置，表示k次迭代时粒子位置；(5)、计算适应度函数，若T时刻适应度>T‑1时刻适应度，进入步骤(7)，反之进入步骤(6)，其中，适应度函数的表达是为：其中：E表示网络输出误差；表示期望输出；表示实际输出；p表示输入样本个数；(6)、初始化惯性系数W＝0，进入步骤(7)；(7)、更新粒子的个体极值和群体极值后，进入步骤(8)；(8)、随机变异，进入步骤(9)；(9)、若迭代次数大于阈值，输出gBest，反之进入步骤(4)。