文献类型：期刊文章

作　　者：高畅[1] 于忠清[1] 周强[1]

Gao Chang;Yu Zhongqing;Zhou Qiang(School of Data Science and Software Engineering,Qingdao University,Qingdao 266000,China)

机构地区：[1]青岛大学数据科学与软件工程学院,山东青岛266000

出　　处：《机械传动》

基　　金：山东省重点研发计划(2019JZZY020101)。

年　　份：2021

卷　　号：45

期　　号：3

起止页码：153-160

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对目前利用优化算法改进的BP神经网络算法对行星齿轮箱进行故障诊断过程中存在的故障识别率低、收敛速度慢和参数选择困难等问题,提出了一种用GA-ACO算法对神经网络参数进行优化的算法。给出GA-ACO-BP算法的基本原理和主要步骤,并将此方法应用到行星齿轮箱的故障诊断中。比较了ACO-BP神经网络算法和GA-ACO-BP算法的性能。结果表明,ACO优化BP神经网络算法对行星齿轮箱的故障诊断收敛速度慢且识别精度不高,而GA-ACO-BP算法能够对行星齿轮箱故障进行准确、快速的诊断和识别。

关 键 词：GA-ACO-BP算法  行星齿轮箱 故障诊断 遗传算法  蚁群优化算法 BP神经网络  

分 类 号：TP18] TH132.425]