TY - Jour A2 - Lin，Cheng-Jian Au - Wulandhari，Lili A. Au - Wibowo，Antoni Au - Desa，Mohammad I. Py - 2014 DA - 2014/12/18 TI - 改进自适应气体和后传播Anns性能在使用灰色关系分析的多轴承系统的情况下SP - 419743 VL - 2014 AB - 诊断多轴承系统是工业领域的要求之一，因为在许多设备中使用轴承，并且它们的失效可能导致总崩溃。轴承的条件通常被振动信号数据反射。在多种轴承条件诊断中，它将涉及许多类型的振动信号数据;因此，因此，它将涉及许多特征提取以获得精确的条件诊断。然而，大量的特征提取将增加诊断系统的复杂性。因此，在本文中，我们介绍了一种诊断方法，该诊断方法是自适应遗传算法（AGAS），反向传播神经网络（BPNN）和灰色关系分析（GRA）的杂交，以诊断多个轴承系统的状况。AGAS用于诊断算法以确定BPNNS的最佳初始重量，以提高诊断精度。此外，还应用GRA来确定和选择振动信号数据的主导特征，这将在更少的特征提取中提供良好的多轴系统的良好诊断。实验结果表明，与没有GRA的AGAS-BPNNS相比，患有GRA方法的AGAS-BPNN可以提高较短的处理时间诊断的准确性。 SN - 1687-5265 UR - https://doi.org/10.1155/2014/419743 DO - 10.1155/2014/419743 JF - Computational Intelligence and Neuroscience PB - Hindawi Publishing Corporation KW - ER -