科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统钢琴击弦机故障诊断方法准确率低，导致机械故障排除效果不佳的问题，提出基于改进果蝇算法优化BP神经网络的故障诊断方法。基于果蝇算法FOA加入混沌映射、动态搜索半径策略和优化气味浓度判定公式，得到改进的UFOA算法；然后利用UFOA算法优化BP神经网络，并构建基于UFOA-BP的击弦机故障诊断模型；最后获取钢琴击弦机械故障数据，并通过小波包分解法进行故障数据特征提取。将本模型应用到数据集中进行实验发现，相较于未优化的BP神经网络，提出的UFOA-BP模型的故障预测误差绝对值仅为1.01和0.61,通过UFOA算法提升了BP神经网络的预测精度。且在单弦和多弦故障诊断中，对比于其他诊断模型，本模型的故障诊断准确率分别提升了7.75%、10.08%和7.19%、9.05%。由此说明，通过本模型可提升钢琴击弦机故障诊断率和排除效果。
- 单位
