基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别

基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别
摘要：提出了一种基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别方法,解决了强噪声背景下的钢丝绳损伤识别问题。以矿井钢丝绳为检测对象,采用自适应移位平均法对含噪的断丝信号与磨损信号进行降噪处理,通过自适应粒子群优化(APSO)算法找到移位平均算法的最优窗宽;然后,以断丝损伤为例,对输出的最优降噪信号提取峰峰值、波宽、波形下面积三种特征值作为特征值样本,将样本归一化后输入BP神经网络进行损伤识别;最后,通过试验验证了所提方法的有效性。试验结果表明,该方法能定性识别钢丝绳损伤并且识别准确率高。

标题：基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别

作者：吴东,张宝金,隋显俊,刘伟新,黄升平,杨建华,

关键词：钢丝绳损伤,强噪声,优化算法,降噪,BP神经网络,

发表日期：2022年8月

2025-1-19 15:00 上传 基于自适应移位平均降噪与BP神经网络的钢丝绳损伤识别.pdf

文件大小:

2.36 MB

下载次数:

60

高速下载