摘要
本发明公开了基于稀疏进化算法和神经网络的电铲故障诊断方法，包括：步骤一、获取电铲数据；步骤二：建立神经网络；步骤三：生成引导向量并利用SPEA2中的交配选择策略选择父代；步骤四、将决策变量聚类成组并根据当前种群的引导向量计算各组的重要性；步骤五、利用交叉变异算子产生子代；步骤六，不断迭代、使用SPEA2的环境选择策略选择N个解决方案，最终得到一组满足帕累托前沿面的具有较高的分类精度和较低的神经网络稀疏性的解。本发明能一次运行获得多种解决方案以满足不同电铲故障诊断需求，从而能提高电铲故障诊断效率和精度。
