基于PSO-SES-BPNN算法的液压系统故障诊断模型

简介

为提高液压系统的故障诊断准确率,分析了液压系统的数据特征,明确了液压系统的数据处理方式及故障类型;以反向传播神经网络(BPNN)算法为基础,采用一次指数平滑法(SES)改进了BPNN算法的梯度优化过程;基于粒子群算法(PSO)对BPNN算法的主要超参数和SES的平滑系数进行了优化,获取了最优超参数模型;以UCI的公共数据对基于PSO-SES-BPNN算法的液压系统故障诊断模型进行了实验验证。实验结果表明,该模型对有144种故障状态的液压冷却过滤系统的故障诊断准确率为98.06%,诊断性能远高于同类文献研究结果,有助于提高液压系统运行过程的故障诊断效率。