申请/专利权人：沈阳顺义科技股份有限公司

申请日：2024-02-05

公开（公告）日：2024-04-26

公开（公告）号：CN117708771B

主分类号：G06F18/27

分类号：G06F18/27;G06F18/214;G06F18/21;G06N3/084;G06N3/086

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开一种基于ITSOBP的综合传动装置故障预测算法，包括以下步骤：S1、采集传动装置的离合器油压传感器数据;S2、通过TOPSIS算法对油压传感器数据进行预处理，得到模型输入数据集；将模型输入数据集分为测试数据集和训练数据集；S3、对于训练数据集，采用改进的金枪鱼群算法构造BP神经网络ITSOBP进行训练得到优化后的BP神经网络（ITSOBP）；S4、将测试数据集输入到优化后的BP神经网络（ITSOBP）中，对离合器进行故障预测，输出预测结果。本发明利用多个随机变量和自适应变量来计算当前解所在位置，从而可以搜索空间中的不同区域，有效地避免局部最优，收敛于全局最优，弥补了在训练过程中参数选择的盲目性的缺陷，提高了回归预测模型的预测精度。

主权项：1.一种基于ITSOBP的综合传动装置故障预测算法，其特征在于包括以下步骤：S1、采集传动装置的离合器油压传感器数据；S2、通过TOPSIS算法对油压传感器数据进行预处理，得到模型输入数据集；将模型输入数据集分为测试数据集和训练数据集；S3、对于训练数据集，采用改进的金枪鱼群算法构造BP神经网络ITSOBP进行训练得到优化后的BP神经网络（ITSOBP）；步骤S3中，改进的金枪鱼群算法通过正余弦优化算法实现，利用多个随机变量和自适应变量来计算当前解所在位置，以搜索空间中的不同区域，收敛于全局最优，再通过改进的金枪鱼群算法对BP神经网络进行优化，具体为：S301、随机生成初始化种群：改进的金枪鱼群算法通过在搜索空间中均匀随机生成初始种群来启动优化过程，其数学模型为： （11）其中，为第t次迭代的第i个个体的位置，ub和lb分别为搜索空间的上界和下界，NP为金枪鱼种群的数量，rand为[0,1]内的第一随机数；S302、指定第一、二自由参数a和z，其中第一自由参数a，用于确定金枪鱼在初始阶段跟随最佳个体和前一个体的程度，第二自由参数z大于0且小于0.5；S303、根据不同觅食策略计算金枪鱼适应度，并更新α1、α2和p，控制个体向最佳个体和前一个个体移动趋势； 13 14 20其中，α1是控制个体向最佳个体的权重系数、α2为前一个个体移动趋势的权重系数，t表示当前迭代次数，tmax表示最大迭代次数，p为第一中间变量；S304、判断rand是否小于z；如果rand小于z则更新式（11），进行训练数据集的迭代运算；S305、当迭代次数没有达到最大，则返回步骤S303；当迭代次数达到最大时，输出经过训练的训练数据集至训练BP神经网络，构建预测模型；当觅食策略为螺旋觅食策略时，即进行螺旋搜索故障点时，rand大于等于z且小于0.5，同时满足ttmax大于等于rand时，更新式（12），进行训练数据集的迭代运算；转步骤S305； 12 15 16其中，是第t+1次迭代的第i个个体的位置，是第t次迭代的第i-1个个体的位置，是当前最佳个体的位置，β为第二中间变量，l为第三中间变量，ebl为第四中间变量，b为[0,1]内的第二随机数；当进行螺旋搜索故障点时，可能会陷入局部最优解，需要使金枪鱼群算法（TSO）具有全局探索能力，即rand大于等于z且小于0.5，同时满足ttmax小于rand时，更新式（17），进行训练数据集的迭代运算；转步骤S305； 17 18其中，r2为0到2π的随机数，为0到2之间的随机数，r4为0到1之间的随机数，表示在t次迭代时最优个体位置变量的第i维的位置，c为第二常数，r1表示下一个解的位置区域在当前解和最优解之内或者在当前解和最优解之外，较小的r1的值有助于增强算法的局部开发能力，较大的r1的值有助于提高算法的全局探索能力，同时r1的值随迭代次数逐渐减小，平衡了算法局部开发和全局搜索的能力；r2~r4为第一~第三随机因子，第一随机因子r2定义了当前解朝向或者远离最优解多远;第二随机因子r3为最优解给出一个随机权值，是为了随机强调r31或者忽略r31最优解在定义候选解移动距离时的影响效果;第三随机因子r4平等地切换正弦和余弦函数；S4、将测试数据集输入到优化后的BP神经网络（ITSOBP）中，对离合器进行故障预测，输出预测结果。

全文数据：

权利要求：

百度查询： 沈阳顺义科技股份有限公司 一种基于ITSOBP的综合传动装置故障预测算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD