基于BP神经网络的齿轮箱故障诊断.pdfVIP

第3期(总第148期) 机械工程与自动化 No．3 MECHANICAL 2008年6月 ENGINEERING8L AUTOMATl0N Jun． 文章编号，1672—6413(2008)03—0117—02 基于BP神经网络的齿轮箱故障诊断 高晓清1，姚竹亭z (1．中北大学电子科学与技术系，山西太原030051I2．中北大学过程控制系，山西 太原030051) 摘要：对BP神经网络的结构与原理进行了简要概述，将BP神经网络技术运用于齿轮箱的故障诊断中。以齿 轮振动信号的时域特征作为神经网络输入，齿轮的主要故障形式为网络输出，利用经BP算法训练后的该网络 对齿轮故障进行诊断，取得了较好的效果。 关键词：BP神经网络，故障诊断}齿轮箱 文献标识码：A 中图分类号：TP277-TPl83 O 引言 播两部分组成。在顺向传播过程中，每一层神经元的状 随着现代科学技术水平的日益提高，设备的安全 态只影响到下一层神经元网络，如果输出层不能得到期 性和可靠性问题也变得越来越突出。齿轮箱作为机械 望输出，就是实际输出值与期望值之间有误差，那么转 设备中一种必不可少的连接和传递动力的通用零件， 入逆向传播过程，将误差信号沿原来的连接通路返回， 它的状况直接影响到机器其它部件的正常运行。但由 通过修改各层神经元的权值，逐次地向输入层传播去进 于其本身结构复杂、工作环境恶劣等原因，齿轮箱非 行计算，再经过顺向传播过程，这两个过程的反复运 常容易受到损害和出现故障，并且会直接影响到整机 用，使得误差信号最小。实际上，当误差达到人们所希 或机组的正常运行。由于齿轮箱的故障模式和特征量 望的要求时，网络的学习训练过程就结束了[2]。 之间是一种非常复杂的非线性关系，再加上齿轮箱在 输入层 隐层 输出层 不同工况下的随机因素，所以专家系统的经验并不能 解决所有的诊断问题。人工神经网络具有自学习、自 组织、自适应和容错性等一系列优点，在很多领域已 有许多成功的应用。国内外诸多研究单位和学者，已 经用人工神经网络方法在机器运行状态预测中做了很 蘧…薮 多工作，并取得了大量可喜的成果[1]。本文重点研究 BP神经网络在齿轮箱故障诊断中的应用。 图1 BP网络结构 I BP神经网络简介 计算输出误差 据统计，80％～90％的神经网络模型采用了BP 网络或者它的变化形式。BP网络是一种单向传播的多 信号顺向 向传播 层前向网络，其结构见图1。当一对学习样本提供给网 络后，神经元的激活值从输人层经各中间层向输出层 传播，在输出层的各神经元获得网络的输人响应。接 修正权值闽值 下来按照减少目标输出与实际误差的方向，从输出层 图2 BP网络的学习过程 经过各中间层逐层修正连接权值，最后回到输入层。随 2 BP神经网络在齿轮箱故障诊断中的应用 着这种误差逆的传播修正不断进行，网络对输入模式 齿轮箱是各类机械的变速传动部件，齿轮箱的运行 响应的正确率也不断上升。 是否正常涉及整台机器或机组的工作。据德国阿连兹失 BP网络的学习过程见图2，由顺向传播和逆