[發明專利]基于改進PSO-GRNN神經網絡稱重傳感器故障診斷方法

在審

• 申請號: 202310430096.4
• 申請日: 2023-04-21
• 公開（公告）號: CN116502526A
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 梁偉;陳志雄;鐘建華;鐘劍鋒;鐘舜聰
• 申請（專利權）人: 福州大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/24;G06F18/214;G06F18/213;G06N3/0464;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳鼎桂;蔡學俊

1.一種基于改進PSO-GRNN神經網絡稱重傳感器故障診斷方法，其特征在于，包括以下步驟：

步驟1：采集稱重傳感器正常狀態下的振動信號以及不同故障狀態下的振動信號，形成第一數據集；

步驟2：對第一數據集的數據樣本進行打標簽處理，形成第二數據集；

步驟3：計算提取不同狀態下輸出振動信號的信號特征，共同作為模型的輸入特征向量，形成第三數據集；

步驟4：引入Lévy飛行完成對PSO算法的改進；

步驟5：采用改進后的PSO算法優化GRNN神經網絡的光滑因子，并構建GRNN神經網絡故障診斷模型；

步驟6：基于第三數據集對GRNN神經網絡故障診斷模型進行訓練，得到最終的GRNN神經網絡故障診斷模型。

2.根據權利要求1所述的基于改進PSO-GRNN神經網絡稱重傳感器故障診斷方法，其特征在于，所述第一數據集為一個n×m的矩陣，其中，n為所測數據的樣本數，m為樣本維數，即樣本的采集點數目。

3.根據權利要求1所述的基于改進PSO-GRNN神經網絡稱重傳感器故障診斷方法，其特征在于，所述不同狀態包括正常、偏差故障、沖擊故障、漂移故障、卡死故障以及精度下降故障這六種狀態，且分別采用1，2，3，4，5，6來表示對應狀態，并為其打標簽。

4.根據權利要求1所述的基于改進PSO-GRNN神經網絡稱重傳感器故障診斷方法，其特征在于，所述信號特征包括均方根值y_rms、方差值σ₂、峰值指標C、脈沖指標I、均值峭度指標y_q、最大值y_max、最小值y_min、峰峰值y_pp、方根幅值y_r、平均幅值y_*、波形指標K和裕度指標L，其計算公式分別為：

公式中，y_i表示單樣本中的采集點的值；m表示樣本維度；

y_max＝max{y_i}?????????????????????????????(7)

y_min＝min{y_i}??????????????????????????????(8)

y_pp＝y_max-y_min?????????????????????????????(9)

5.根據權利要求1所述的基于改進PSO-GRNN神經網絡稱重傳感器故障診斷方法，其特征在于，所述步驟S4具體為：通過引入Lévy飛行完成對PSO算法的改進處理，通過產生隨機步長來避免PSO算法陷入局部最優，具體如下：

引入Lévy飛行后，粒子位置的更新公式為：

其中，S_{i_(t+1)}表示第i+1個粒子引入Lévy飛行后在第t次更新后的位置；α代表步長控制量；為點對點乘法；L(u,v)為隨機步長路徑，采用Mantegna算法執行Lévy飛行，步長計算公式如下：

其中，β的取值范圍一般為為1＜β＜3；u、v均服從正態分布，如式下式所示

u～N(0,σ_u²)????????????????????????????(16)

v～N(0,σ_v²)????????????????????????????(17)

σ_u、σ_v的計算方法如下：