文章详情
| 稿件标题： | 基于PSO优化小波神经网络的无人机动力系统故障诊断模型 |
| 稿件作者： | 沈延安，杨克泉，陈强 |
| DOI： | 10.11809/bqzbgcxb2024.04.021 |
| 科学编辑： | 杨继森 博士（重庆理工大学 教授） |
| 栏目名称： | 装备理论与装备技术 |
| 关键词： | 无人机；动力系统；PSO；小波神经网络；故障诊断 |
| 文章摘要： | 针对传统小波神经网络对无人机动力系统的故障信号降噪和识别能力差以及网络收敛速度慢、训练精度不高的问题，构建了基于改进粒子群算法（PSO）优化小波神经网络的无人机动力系统故障诊断模型。该模型运用软、硬阈值函数组合改进的新阈值函数和改进PSO优化小波神经网络的方式，克服重构信号不连续或严重失真的问题，优化了小波神经网络初始权值和阈值，使模型能够实现快速、准确分析和识别故障类型，具有较好的故障预测和诊断能力。本文中通过对比不同阈值函数的降噪能力和PSO、GA、ACO对小波神经网络的改进效果，比较BP神经网络、传统小波神经网络、PSO优化小波神经网络的故障诊断预测效果，验证了本文中构建的PSO优化小波神经网络故障诊断模型远优于其他对比模型，具有故障识别和降噪能力强、收敛速度快、训练精度高的优点，在无人机动力系统的故障诊断领域，具有较好的可行性和有效性。 |
| 引用本文格式： | 沈延安，杨克泉，陈强.基于PSO优化小波神经网络的无人机动力系统故障诊断模型［J］.兵器装备工程学报，2024，45(4)：168-175. SHEN Yan’an, YANG Kequan, CHEN Qiang.UAV power based on PSO optimized wavelet neural network system fault diagnosis model［J］.Journal of Ordnance Equipment Engineering，2024，45(4)：168-175. |
| 刊期名称： | 2024年04期 |
| 出版时间： | 2024年4月 |
| 收稿日期： | 2023-05-23 |
| 修回日期： | 2023-06-18 |
| 录用日期： | 2023-08-01 |
| 上线时间： | 2024年4月30日 |
| 浏览次数： | 1439 |
| 下载次数： | 54 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |