论文部分内容阅读
当前基于神经网络等传统算法的皮带秤的故障诊断方法对样本数量需求多且易出现局部最优解，为提高皮带秤故障诊断效率及使用精度，引入了人工免疫网络模型。传统的aiNet网络模型对已知故障的识别效率高，但难以有效识别未知故障，为弥补这一缺陷，基于生物免疫机制设计了双层免疫网络，以克隆选择算法为核心搭建了适应性诊断层实现对未知故障的学习，并运用在皮带秤的故障检测中。该方法对已有故障的识别率保持在95％以上，对新故障的识别率也高达90％以上，实际运行效果良好。