买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛科技大学

摘要：本发明公开了一种阻拦着舰装备中定长冲跑阀故障诊断方法，涉及定长冲跑控制阀的故障诊断技术领域。一种阻拦着舰装备中定长冲跑阀故障诊断方法包括以下步骤：S1：构建SDAE深度网络模型；S2：利用IMTBO算法对SDAE深度网络模型进行参数优化；S3：获取阻拦着舰装备中定长冲跑阀的历史运行数据作为训练样本对步骤S2中参数优化后的模型进行训练；S4：将训练后的SDAE网络模型对阻拦着舰装备中定长冲跑阀进行运行状态诊断。本发明构建了一种SDAE深度网络模型；利用IMTBO算法对SDAE网络模型进行参数优化，提高了SDAE网络模型的性能和泛化能力；本发明构建的SDAE网络模型对定长冲跑阀的日常运行数据的故障诊断具有较高的准确性，解决了定长冲跑控制阀故障诊断的技术问题。

主权项：1.一种阻拦着舰装备中定长冲跑阀故障诊断方法，其特征在于，包括以下步骤：S1：构建SDAE深度网络模型；S2：利用IMTBO算法对SDAE深度网络模型进行参数优化；S3：获取阻拦着舰装备中定长冲跑阀的历史运行数据作为训练样本对步骤S2中参数优化后的模型进行训练；S4：利用训练后的SDAE网络模型对阻拦着舰装备中定长冲跑阀进行运行状态诊断；SDAE深度网络模型包括：三个堆叠的降噪自编码器，以及位于输出层的Softmax分类器；IMTBO算法对SDAE深度网络模型进行参数优化的步骤包括：S21：对SDAE深度网络模型进行初始化并设置预训练参数；S22：对IMTBO算法的参数进行初始化设置；其中，种群规模的大小设置为20，种群更新次数设置为30，并初始化种群中每个个体的位置；S23：设置所需要优化参数的边界；其中，隐藏层节点数为10-50，学习率为0.01-2.0，迭代次数为500-1500；S24：根据位置更新公式对种群中每个个体的位置进行更新，并计算每个个体的适应度值，与历史最优位置的适应度值进行比较后取适应度值较小的位置作为该个体的最优位置；S25：不断地迭代寻优并进行参数更新，当达到终止条件时结束，输出寻优参数隐藏层节点数、学习率、迭代次数的结果；S26：利用IMTBO算法优化后的隐藏层节点数、学习率、迭代次数的三个参数构建SDAE网络模型；在IMTBO算法中使用改进后的Sine混沌映射进行种群个体位置的初始化，得到初始的种群个体位置；改进后的Sine混沌映射作为新的初始化方法包括： 其中，xn和yn是第n步的坐标值，xn和yn的初始值均设为0.5；λ和μ是控制参数；λ是混沌函数取值范围的控制参数，μ是混沌函数分布形状的控制参数，取λ＝1，μ＝5；在IMTBO算法中对个体位置更新策略进行改进用以对种群个体位置进行更新寻优；具体包括：第一阶段： 第二阶段： 第三阶段： 其中，是更新后的位置；Xi为第i个登山队队员位置；Xii是由正前方的单个队员指示的位置；rand为介于0和1之间的随机数；XLeader为登山队中的领队；r'1为修改后的搜索因子；r2为[0,2π]的随机数；r3为[0,2]的随机数；r4为[0,1]上的随机数；rmax和rmin是常数，可以根据具体需要进行设置；XAvalance为算法的最坏位置；ω为自适应权重因子；t为当前迭代次数；T为最大迭代次数；e为自然常数；在IMTBO算法中如果出现成员死亡则采用融合高斯变异和反向学习的策略对成员进行更新，并引入动态判定系数；具体包括： 其中，是更新后的位置；Ub和Lb是优化问题的上、下限；参数k＝1；rand为介于0和1之间的随机数；XLeader为登山队中的领队，在算法优化中相当于算法在当前迭代中的最优解；Gauss0,1为满足高斯分布的随机变量；表示相乘；ξ为动态判定系数；e为自然常数；t为当前迭代次数；T为最大迭代次数。

全文数据：

权利要求：

百度查询： 青岛科技大学 一种阻拦着舰装备中定长冲跑阀故障诊断方法