神经网络的建模论文..docxVIP

摘要减速器的主动轴滚动轴承的4个特征参数作为BP神经网络的输入，并用BP算法对该网络进行训练，利用神经网络的智能性来判断轴承所属的故障类型，仿真结果表明，该方法实用有效针对所要研究的问题，本文建立了如下网络结构：n-p-m（n=4神经元个数；p=8隐层的神经元个数、m输出层神经元个数）初始参数:初始权值（随机生成）、学习效率为0.01、训练算法为raingd、最大迭代步数5000，使得诊断效果最好。关键词：BP神经网络 故障模型问题重述利用BP神经网络对石油钻井的绞车及传动机组滚动轴承进行故障诊断，能够在轴承早期故障时发出预警信号，提前对将要发生故障的轴承进行维修或更换，缩短停工停产时间和减少维修费用，从而使石油生产损失减少到最低，保证石油生产顺利安全进行。选取某型减速器的主动轴滚动轴承的4个特征参数，包括均方根值、峭度、谐波指标和SQ参数，这4个参数组成输入样本向量，实测数据如下表所示轴承状态均方根值峭度谐波指标SQ参数正常新轴承0.641.370.710.78正常新轴承0.681.310.641.31正常新轴承0.911.350.751.59正常新轴承0.691.380.680.9内圈点蚀8.242.230.992滚珠点蚀2.011.650.944.39保持架损坏0.931.330.731.54外圈严重裂纹3.892.010.8820.1外圈较轻裂纹1.651.660.94.4