论文部分内容阅读
针对压缩机气阀故障信号非平稳性、非周期性的特点，提出一种基于主成分分析(PCA)和GA-PSO优化BP神经网络的压缩机气阀故障诊断方法。首先利用小波包分解提取出气阀故障的特征；然后故障特征向量通过PCA降维，降低网络的规模和计算时间。针对标准BP算法收敛速度慢且易陷入局部极小的缺点，引入一种GA-PSO算法用于BP神经网络的参数优化过程。最后以往复压缩机阀盖的振动信号作为信号源，通过故障诊断仿真测试，验证了PCA和GA-PSO-BP神经网络对压缩机气阀故障诊断具有可行性和有效性。