采用改进遗传神经网络的多载荷振动信号故障诊断.pdfVIP

采用改进遗传神经网络的多载荷振动信号故障诊断 137 文章编号：1006-1355(2011)04-0137—05 采用改进遗传神经网络的多载荷振动 信号故障诊断 王 鑫 ， 于洪亮 ，张 琳 ，段树林 ，黄朝明 (1．大连海事大学 轮机工程学院，辽宁大连 116026； 2．大连工业大学 纺织轻工学院，辽宁大连 116034) 摘 要：根据柴油机气阀机构运动规律，利用小波包分解提取缸盖振动信号的特征向量；针对多种载荷混合诊断的 问题，采用二进制与实数混合编码的方式对使用遗传算法的误差反向传播 (BP)神经网络的隐层结点数 目、权值和阈值 进行优化。通过实验检测，证明该方法在多种载荷混合振动信号诊断上，较～般方法学习、收敛速度快，检测准确率 高 。 关键字：振动与波 ；振动信号 ；BP神经网络 ；故障诊断 ；混合编码 中图分类号：TK428 文献标识码：A DOI编码：10．3969／j．issn．1006．1355．2011．04．032 Multi—loadFaultDiagnosisofVibrationSing alBasedonImproved GeneticNeuralNetwork WANG Xin ， Hong-liang ，ZHANG Lin2DUAN Shu-lin1， HUANG Chao-ming (1．CollegeofMarineEngineering，DalianMaritimeUniversity,116026Dalian，LiaoningChina； 2．CollegeofTextileandLightIndustry,DalianPolytechnicUniversiyt,116034Dalian，LiaoningChina) Abstract：Accordingtothemotion law ofdieselenginevalve，thecharacteristicvectorofcylinder-cover’svibration signalisextractedbywaveletpacketdecomposition．Formulti—loadfaultdiagnosis，htehiddenlayernodenumber,weights andthresholdofthebackpropagationgeneticalgorithmsraeoptimizedbybinaryandrealvalue hybridcoding．Experiment resultsshow htathtemethodhasobviousadvantagesonmulti—loadvibrationsignalfaultdiagnosis．Itisabletoimprovehte networkleamingability,convergencespeedandaccuracyofdetection． Keyword：vibrationandwave；vibrationsing al；BPneuralnewt ork；faultdiang osis；hybridcoding 柴油机系统是一种结构复杂、激振干扰多的系 对BP神经网进行优化，提出了一种可以检测多种故 统。它的输入与输出变量之间、故障与征兆之间关 障的神经网络 [21，何庆飞等将神经网络运用在识别 系不明显，具有不确定性，同时恶劣的工作环境容易 小波包提取的缸盖振动信号特征值上 [31等，均取得 导致信号失真等等 ，这些都大大增加 了对柴油发动 了良好效果。然而，其 中基于振动信号的故障诊断 机进行各类故障诊断的难度 。近年来，各 国学者针 多般使用传统的神经网络算法；并在单一工况在进 对柴油机故障检测都提出