基于CS的神经网络在抽油机故障诊断中的应用.pdfVIP

第35卷摇 第3期 吉林 大学学报 ( 息科 学版) Vol.35摇 No.3 2017年5月 Journal ofJilinUniversity (Information ScienceEdition) May2017 文章编号:1671鄄5896(2017)03鄄0324鄄09 基于CS 的神经网络在抽油机故障诊断中的应用 1 1 2 任伟建 , 田野岑 ,朱永波 (1. 东北石油大学 电气信息工程学院,黑龙江 大庆 163318; 2. 中国石油大庆分公司热电厂仪表车间,黑龙江 大庆 163714) 摘要:为提高抽油机故障诊断效率,提出了在布谷鸟搜索算法(CS:Cuckoo Search)中加入自适应步长,并 用函数进行测试,结果验证了改进算法的有效性。 用改进的CS算法优化 BP(Back Propagation)神经网络 的权值和阈值,并与传统 BP算法进行比较,证明了改进的CS算法克服了传统算法训练速度慢、 易陷局 部极值的缺点。 将优化的神经网络应用于抽油机故障诊断中的实验表明,该算法具有较快的收敛速度和 较好的稳定性, 同时也提高了抽油机故障诊断的精确性。 关键词: 自适应步长;布谷鸟搜索算法;神经网络;故障诊断 中图分类号:TP391.9 文献标识码:A Application of CS Neural Network in Pumping Units蒺 Fault Diagnosis 1 1 2 REN Weijian ,TIAN Yecen ,ZHU Yongbo (1. School of Electrical Information Engineering,Northeast Petroleum University,Daqing 163318,China; 2. Instrument Workshop of Thermo鄄Electric Plant,Daqing Branch Company of PetroChina,Daqing 163714,China) Abstract:In order to solvetheproblem of slow convergent speed and poor local search ability of CS(Cuckoo Search) algorithm, a self鄄adaptive step is introduced in CS, which balances the global and local search ability and improves the convergent speed. Experiments have been conducted on functions. The results indicate the good performance of the new algorithm. Initialweightsand threshold valuesare optimized by the modified CS. Compared with the conventional BP (Back Propagation) algorithm, the condition of slow training speed and premature result is released. The new neural network is used in pump units蒺 fault diagnosis. Theresult showsthat CS鄄BP enhancestheconvergencerateandrobustof neuralnetwork,