论文部分内容阅读
针对现实故障现象具有模糊性和非线性的特点，提出了一种利用自适应扩展T-S（Takagi—Sugeno）模糊模型的PSO（Particle Swarm Optimization）算法和神经网络相结合的新型智能结构化算法来进行故障诊断的新方法。首先通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数，进而使用扩展的T-S模糊模型来调整PSO算法的参数。然后使用该PSO算法作为神经网络的学习训练算法来进行训练。最后将此算法用于齿轮箱实测故障诊断。诊断结果显示均方误差提高了0．1981％。通过不同模型的诊断