毕业设计（论文）-基于BP神经网络的轴承寿命预测程序设计.docx

基于BP神经网络的轴承寿命预测程序设计 基于BP神经网络的轴承寿命预测程序设计 摘 要 轴承应用非常广泛，起着承受和传递载荷的作用，掌握轴承的剩余寿命，从而合理进行性能检查，并且及时更换可以避免轴承失效导致机械设备的损失，也可以降低生产成本。本文以机车风机电机的6309轴承作为研究对像，提取影响轴承寿命的一些重要特征量：有效值、峰值、峭度等。基于BP神经网络设计出预测轴承寿命的网络结构，利用MATLAB来实现网络结构。 关键词：轴承寿命；BP神经网络：隐含层神经元数；训练函数 Abstract Bearing plays a significant role in carrying and transiting load.Mastering the residual working life of bearing can help to do some reasonable performance check and timely replacement to avoid the mechanical equipment caused by bearing fault,and reduce the cost of industrial production and decrease mortality.In this paper,a 6309 bearing from locomotive fan motor was studied.Some important parameters such as effective value,peak value and kurtosis etc,were extracted.Subsequetly,the bearing network which can predict the residual life of bearing was designed based on the BP neural network,and MATLAB was conducted to realize the network structure. Key words: Bearing life;BP Neural Network;training function 设计背景 在机械行业中，轴承的应用十分广泛，是不可缺少的部件。轴承的功能是承担负载传递负载，因此很多的机器能否正常的工作、工作时间的长短大多由轴承所决定。因此随时了解工作中轴承的剩余寿命可以及时阻止不可预知的轴承失效，从而对轴承进行合理的性能检测和替换。避免了因为轴承失效而导致的机械设备损坏，也可以降低工业成本和人员伤亡。 球轴承是一种只能承受较小负荷的滚动轴承，但它的使用占有很大的比例，相比于其他类型的轴承，更容易产生故障。本文将以机车风机电机中最常用的6309轴承为研究对象，通过选取影响轴承剩余寿命的若干因素，来建立BP神经网络模型，对轴承的寿命进行预测。 BP神经网络 神经网络，neural network，是模拟人脑思维的数学模型，从人脑的生理学和心理学着手，通过人工模拟人脑的工作机理来实现机器的部分智能行为。神经网络控制是将神经网络与控制理论相结合而发展的智能控制方法，是智能控制的一个新的分支，为解决负复杂的非线性、不确定、未知系统的控制问题开辟了新的途径。 1986年，Rumelhart等提出了误差反向传播神经网络，简称BP网络（Back Propagation），该网络是一种单向传播的多层前向网络。误差反向传播的BP算法，简称BP算法，其基本思想是梯度下降法。它采用梯度搜索技术，以期使网络的实际输出值与期望输出值的误差均方值为最小。 BP神经网络是智能学习理论中理论比较完善、实践性能较好的网络之一，其优点是能逼近任意非线性函数，并且建模非常容易，因此在信号处理、系统辨识、模式识别等问题中被大量使用，它是向前网络的核心，体现了人工神经网络最精华的部分。 BP神经网络的原理 BP神经网络，即反向传播网络，是对非线性可微分函数进行权值训练的多层前向型神经网络。通常由输入层、输出层和若干的隐含层构成；每层都由若干个节点组成，每个节点都表示一个神经元。上层节点与下层节点之件通过权连接，层与层之间的节点采用全互联的方式连接，每层内节点之间没有联系，如图2-1所示。 图2-1 BP神经网络结构 BP网络的结构包含两个方面：信号的正向传播与误差的反向传播。输出值按照从输入到输出的房子选哪个计算所得，而权值和阈值则是按照从输出到输入的方向进行修正的。反向传播就是指误差从最后的输出层依次向之前各层逐渐进行修正。 BP神经网络算法 BP网络逼近的结构如图2-2所示，图中k为网络的迭代步骤，u(k)和y(k)为逼近器的输入。