粒子群优化神经网络的光电探测设备故障诊断
【摘要】 光电探测设备是一种具有实际应用价值的设备，其工作状态受外界干扰比较大，出现故障的概率高，针对传统光电探测设备故障的误诊率、虚警率高的难题，以准确对光电探测设备故障进行识别和诊断，设计了粒子群算法(PSO)优化神经网络的光电探测设备故障诊断模型。首先分析国内外对光电探测设备故障研究现状，指出了传统光电探测设备故障方法的局限性，然后采集光电探测设备工作状态信号，提取可以描述故障类型的特征向量，然后采用RBF神经网络建立光电探测设备故障诊断分类器，对RBF神经网络参数难以确定的难题，引入粒子群算法解决该难题，并与其它光电探测设备故障诊断模型进行了对比测试，所提方法的光电探测设备故障诊断正确率超过90%，光电探测设备故障的误诊率、虚警率低于10%，光电探测设备故障效果远优于对比模型。
