神经网络在滚动轴承故障诊断中应用.pdfVIP

第 17卷增刊 振 动 工 程 学 报 Vol.17No.S 2004年8月 JournalofVibrationEngineering Aug.2004 神经网络在滚动轴承故障诊断中的应用 丁福焰 ‘邵 张生玉 ‘杜永平 “ (’铁道科学研究机车车辆研究所 .100081) (2北京交通大学 北京，100044) 摘 要 简述了神经网络在机械故障诊断中的主要应用方面，提出了训练样本的数量和质量问题，以铁道车辆滚 动轴承为例，用大量精选的现场实测数据作为训练样本，对所建立的BP网络进行训练，将训练好的网络应用于轴 承状态分类，取得了很好的诊断效果。 关键词:神经网络;滚动轴承;故障诊断 中图分类号:TH133sTP206.3 人工神经网络已在一些科学研究和工程领域中 显示了很大的威力，其应用范围已扩展到诸如语音 1BP网络模型 与指纹识别、计算机视觉、DNA序列分析、故障诊 断、图象处理、智能控制、通讯、导航、预测与决策、金 神经网络按其拓扑结构可分为前馈网络和反馈 融分析等重要领域，并且取得了很大成功。 网络两种类型，前馈网络中神经元分层排列，每一层 由于神经网络具有高度非线性、并行处理机制、 只接受其前一层的输出作为输人，如BP网络，因其 信息的分布存储性、自组织(自学习)性及容错性等 结构简单、易于实现且不存在稳定性问题而得到广 重要特点，因此在故障诊断技术中倍受瞩目，自上世 泛应用。反馈网络包括局部反馈和全互联网络，如 纪90年代起国内外开展了广泛的应用研究。神经网 Hopfield网络，双向联想记忆网络，ART，玻耳兹曼 络(NN)在机械故障诊断中的应用主要可分为以下 机等，可以较好地解决非线性可分问题，但结构复 三个方面: 杂，存在稳定性问题。 BP算法因其计算简单、易于实现，是迄今为止 ·从模式识别的角度，利用NN作为模式分类 应用最为广泛的神经网络模型。本文即采用这种网 器进行状态分类; 络，作为故障诊断的模式分类器。基于BP网络的故 ·从知识处理的角度，建立基于NN的专家系 障诊断模型，就是利用BP网络的泛函逼近能力，逼 统进行故障诊断; 近故障的分类边界，从而完成特征空间到故障空间 ·从预测的角度，利用NN作为动态预测模型 的非线性映射。BP网络是一种典型的多层感知器结 进行故障发展预测。 构的前馈网络，由输人层、隐层(可有若干层)和输出 目前仍以第一方面的应用居多，即将神经网络 层组成川。考虑解决故障诊断问题的需要，采用单隐 作为模式分类器使用。在滚动轴承故障诊断中，很多 层的BP网络，其拓扑结构如图1所示。 文献进行了深人研究 一〔‘〕‘，有的还将神经网络与模 糊数学、小波变换、遗传算法等相结合，产生了多种 新型的分类器，应用于滚动轴承和旋转机械的故障 诊断C[s-61。大量研究表明，神经网络是故障诊断技术 的一种有效方法，但由于各种因素的影响，它的实际 应用效果还不够理想，而训练样本的数量和质量便 是其中的影响因素之一。本文利用典型的现场实测 数据作为训练样本，取得了很好的效果。