BP神经网络在机床故障诊断应用中的改进.pdfVIP

! 神经网络在机床故障诊断应用中的改进! 马晓波# 刘# 阔# 刘春时# 林剑峰 （沈阳机床（集团）有限责任公司国家重点实验室，辽宁沈阳$$ $% ） 摘! 要：在分析了传统# 神经网络缺点的基础上，对其进行了改进。学习因子按照所设计的函数进行动态 调整，增加了势态项，并在激活函数中加入了陡峭因子。将改进的# 神经网络与传统# 神经网络 进行了对比，验证了改进# 神经网络的有效性，适合数控机床的故障诊断。 关键词：# 神经网络! 数控机床! 故障诊断 中图分类号： $#%’! 文献标识码：( !#$%’’() %( *##+,-.),%( %/ 01 2’3$.+ 2’)4%$5 ,( 6.-7,(’ 8%%+ ’9 :.3+) ;,.(%9,9 ’( )*+,-, ，./0 12, ，./0 342564* ，./7 8*+59:5; （=+=: 1: .+-,?+=,? ，4:5+5; ’+@4*5: A,,B（C?,2D ）3,E ，.=FE ，4:5+5; $$ $% ，3G7 ） ()*+,-.+ ：H5 =4: -+6: ,9 +5+BI*5; =4: =?+F*=*,5+B JK 5:2?+B 5:=L,?M ’6 F*6+FN+5=+;:6 ，*OD?,N:O:5= O:=4,F *6 ;*NP :5E .:+?5*5; 9+@=,? *6 F5+O*@+BB +FQ26=:F +@@,?F*5; =, =4: F:6*;5:F 925@=*,5 ，O,O:5=2O =:?O *6 +FFP :F ，64+?D5:66 9+@=,? *6 +FF:F *5 +@=*N+=*,5 925@=*,5E A4: *OD?,N:F JK 5:2?+B 5:=L,?M *6 @,OD+?:F L*=4 =?+F*=*,5+B JK 5:2?+B 5:=L,?M ，=4: *OD?,N:F JK 5:2?+B 5:=L,?M ’6 N+B*F*= *6 N:?*9*:F +5F *6 62*=+-B: 9,? 73 O+@4*5: ’6 9+2B= F*+;5,6*6E /0123,4* ：JK 7:2?+B 7:=L,?M ；73 ’+@4*5: ；R+2B= S*+;5,6*6 数控机床是结构复杂、运动部件多、多种干扰激励 %! # 神经网络 源的机电液一体化系统。输入与输出变量之间，或者 说故障与征兆之间的关系不明显，具有很大的不确定 %5 %! # 神经网络的缺点 性，增加了对数控机床进行故障诊断的难度。 JK 神经网络按有导师学习方式进行训练，通过标 由于JK 神经网络具有容错、自学习、自记忆、自 准误差反向传播算法，计算出输出总误差! ，然后按使 适应和鲁棒性等诸多优点，在越来越多的领域得到了 权值沿误差函数! 的负梯度T （! #）方向改变的学 , , 广泛的应用［$ T U ］。另外，JK 神经网络具有很强的非线 习规则循环调整网络各节点的权值和阈值，使输出总 性映射能力，非常适用于数控机床的故障诊断。 误差! 达到所要求的范围。 JK 神经网络应用于数控机床故障诊断的原理为： 网络全局误差计算采用最小二乘法 将传感器采集的数控机床故障信息进行归一化，作为