一种基于改进粒子群优化BP神经网络的水泵设备状态预测方法

摘要

一种基于改进粒子群优化BP神经网络的水泵设备状态预测方法，包括以下步骤：步骤1、使用五点三次平滑法对水泵设备驱动端轴承振动烈度数据进行降噪处理；步骤2、利用互信息法的Cao法计算振动烈度的延迟时间和嵌入维数，对振动烈度数据进行相空间重构；步骤3、划分输入集和输出集作为预测模型训练样本集；步骤4、使用改进的粒子群算法对三层BP神经网络中的权重进行寻优；步骤5、训练得到BP神经网络模型函数；步骤6、使用BP神经网络模型函数对未来一段时间的驱动端轴承振动烈度数据进行预测，得到预测集；步骤7、对预测集中的振动烈度进行分析，得到水泵设备在未来一段时间的运行状态。本发明最大限度保证水泵设备安全可靠运行。