[发明专利]一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法有效
申请号: | 202010114490.3 | 申请日: | 2020-02-25 |
公开(公告)号: | CN111310686B | 公开(公告)日: | 2022-03-29 |
发明(设计)人: | 钟小勇;刘志辉;吴政泽 | 申请(专利权)人: | 江西理工大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/00;G06N3/04;G06N3/08;G06T7/00 |
代理公司: | 南昌朗科知识产权代理事务所(普通合伙) 36134 | 代理人: | 郭毅力;郭显文 |
地址: | 341000 *** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 ipso bp 神经网络 钢丝绳 损伤 识别 方法 | ||
1.一种IPSO-BP神经网络的钢丝绳断丝损伤识别方法,其特征是包括以下步骤:
(S01):构建钢丝绳断丝损伤信号采集系统,采用磁敏霍尔传感器将钢丝绳周围的漏磁信号转为电信号,反演钢丝绳上的断丝损伤情况;
(S02):钢丝绳断丝信号特征提取,采用小波分析方法对步骤(S01)采集到的电信号进行去噪,准确提取钢丝绳断丝损伤信号特征量,以反映钢丝绳断丝损伤的信息;
(S03):设计非线性自适应惯性权重,改进粒子群优化算法,优化BP神经网络;
(S04):构建IPSO-BP神经网络钢丝绳断丝损伤识别方法;
(S05):IPSO-BP神经网络钢丝绳断丝损伤识别方法在钢丝绳断丝检测上应用,与传统PSO、BP神经网络识别精度、识别效率、误差对比分析;
步骤(S02)所述的钢丝绳断丝损伤信号特征提取,按以下步骤:
(1)去噪:通过小波变换对信号进行多尺度分析,采用db8小波基函数将采集到的信号进行5层分解,对小波分解的高、低频系数都进行阈值量化处理;
(2)提取钢丝绳断丝损伤信号特征量:提取钢丝绳断丝损伤信号的特征量,包括损伤信号的峰值、损伤信号的峰峰值、损伤信号的波宽、损伤信号波形的面积、损伤信号的波动能量,作为钢丝绳断丝识别模型的输入;
假设N为钢丝绳断丝损伤信号一个波动的采样点个数,X(n)为n处信号的幅值,提取的损伤信号特征量及计算方法为:
1)损伤信号的峰值:根据一个捻距内峰值的大小粗略判断该捻距内有无断丝及断丝的位置,其计算公式为:
Up=max{X(n)},n=1,2,…,N (1)
2)损伤信号的峰峰值:先找到局部断丝信号的极大值和极小值,然后计算信号的峰峰值,其损伤信号的峰峰值计算公式为:
Up-p=|max{X(n)}-min{X(n)}|,n=1,2,…,N (2)
3)损伤信号的波宽:阈值电压Vy处的波宽计算公式为:
4)损伤信号的波形面积:波形下的面积计算公式为:
5)损伤信号的波动能量:为一个波动内的能量,能量的增大表明传感器可能处于被测钢丝绳段的缺陷附近,波动能量计算公式为:
步骤(S03)所述的改进粒子群优化算法,优化BP神经网络,包括以下步骤:
(1)改进的粒子群优化算法在权重调整后的计算公式如下:
式中,ws为惯性权重的初始值;we为达到最大迭代次数的惯性权重;t为当前迭代次数;T为设定的最大迭代次数;α为调整系数;
(2)BP神经网络的优化
以BP网络的均方误差函数作为粒子群算法的适应度函数,采用自适应非线性惯性权重,寻找PSO算法中适应度值最小的粒子,并将此粒子的位置矢量作为BP神经网络的权值和阈值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西理工大学,未经江西理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010114490.3/1.html,转载请声明来源钻瓜专利网。