- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
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。
文档评论(0)