基于遗传优化小波神经网络的微动齿轮故障诊断.pdfVIP

机械设计与制造 第6期 176 Machinery Design Manufacture 2012年 6月 文章编号：1001—3997(2012)06—0176—02 基于遗传优化小波神经网络的微动齿轮故障诊断 白政民 王 武 董永强 (许昌学院 电气信息工程学院，许昌461000) Micro-GearsFaultDiagnosiswithGeneticAlgorithm OptimizedWaveletNeuralNetworks BAIZheng—min，WANGWu，DONG Yong-qiang (Electro—InformationEngineeringCollege，XuchangUniversity，Xuchang461000，China) 【摘 要】给出了微动齿轮的机械振动机理和故障特征，建立了三层小波神经网络，并结合遗传算 法进行小波神经网络参数优化。将微动齿轮故障分为无故障、齿轮断层、齿轮面磨损脱落、齿轮面损伤， 齿轮面裂痕等五种故障，通过振动试验测试故障信息，将其作为小波神经网络的训练样本，并结合遗传 优化实现网络隐层节点和小波参数最佳值。仿真结果表明遗传优化的小波神经网络能够有效避免神经 网络不收敛的缺点，提高学习速度，采用遗传优化神经网络进行微动齿轮故障诊断，具有较高的诊断精 度和效率，可以有效应用于其他系统的故障诊断工程中。 关键词：小波神经网络；遗传算法；故障诊断；微动齿轮 A【bstract】Themicro-vibrationmechanismandfaultcharacteristicsofmicro-gearsweredescribed， nadthree layerwaveletneuralnetworkwasconstructednadoptimizedwithgeneticalgorithm．Then the faultswereclassifiedintofivetypes，．e． fault,gearcrack，gerafacewera,toothfaceattrition，tooth e crackA．ndthediagnosisinformationistestedthroughvibrationexperimentnaddesignedastrainingsamples ofwaveletneuralnetworkstoachievenetworkhiddennudenadoptimumvalueof．wvaeletpraameterc0，n— binedwithgeneticoptimization．Simulationresuhshowsthenew methodcanva oidnormal neural networks withconvergencequalitynadenhnaceleraningspeed,alsothehigherdiagnosisprecisionnadefficiencywas got，whichcanbeeffectivelyusedinengineeringdiagnosissystem． Keywords：W aveletNeuralNetwork；GeneticAlgorithm；FaultDiagnosis；M icro-Gears 中图分类号：THl6，TH132．41 文献标识码 ：A 1引言 信号的频域特征向量，将RBF神经网络应用于故障诊断中，得到 较高的诊断效果6[1。然而小波神经网络结构比较复杂，运算量较 微动齿轮箱在运行时小齿轮、大齿轮、轴心等零器件产生的 大，特别是在高维小波神经网络的映射学习时显现出不足，所以 机械振动信号的频率成分较多，微动齿轮箱工作是运行状