基于BP神经网络的齿轮故障诊断.pdfVIP

应用与试验 2015年第1期(第28卷，总第135期)·机械研究与应用 · 基于BP神经网络的齿轮故障诊断 吴 伟 ，郑 娟 (西安石油大学 机械工程学院，陕西 西安 710065) 摘 要 ：通过介绍神经网络的模型算法，根据齿轮的四种故障类型，采用BP神经网络对其进行训练和诊断，得到了较 为理想的结果，为及早发现和预防机械故障提供 了可靠的理论依据。 关键词：齿轮；故障诊断；BP神经网络；训练算法 中图分类号：TH132 文献标志码：A 文章编号：1007—4414(2015)01—0088—03 GearFaultDiagnosisBasedonBPNeuralNetwork WU Wei．ZHENG Juan (CollegeofMechanicalEngineering，XianShiyouUniversity，XianShaanxi710065，China) Abstract：Inthispaper，themodelofneural networkalgorithm isintroduced，andaccordingtofourkindsoffaulttypeofthe gear，anidealresultisobtainedbyusingBPneuralnetworktraininganddiagnosis．Thusitprovidesthereliabletheoretical basisforearlydetectionofmechanicalfailuresandprevention． Keywords：gear；faultdiagnosis；BPneural network；trainingalgorithm 0 引 言 播的学习算法而得名 。该网络是一种多层前馈神 由于齿轮 自身负载、工作环境以及其它潜在因 经网络，s型函数是其神经元的变换函数 ，因此其 素，机械设备在长期工作中，将不可避免的发生机械 输 出量为 0～1之间的连续量，可实现从输入到输 故障。随着对系统安全性要求的进一步提高，人们不 出的任意非线性映射 ，是 目前应用最广泛 的神经 仅希望能在出现故障时提供故障的检测与隔离，还要 网络之一。由于神经网络结构简单、可塑性强 ，故 求能在系统发生故障前就能预先知道 ，这样就有足够 在函数逼近、模式识别 、信息分类及数据压缩等领 的时间采取措施防止故障的发生，避免不必要的 域也得到 了广泛应用 。 损失…。 从结构上看，一个多层前馈神经网络包含输入 人工神经网络又称为连接机模型，是在现代神经 层，隐含层和输出层，其中隐含层可一层，也可多层。 生理科学研究成果的基础上产生的，它试图模拟大脑 输入层与外部激励打交道 ，由各输入层神经元传递给 神经网络处理、记忆信息的基本过程，使其具有人脑 与之相连的隐含层神经元；隐含层是网络内部处理单 那样的信息处理能力。19世纪70年代，人工智能、 元的工作区域，中间层处理方式不同会影响模型的处 专家系统的发展使得神经网路的发展曾一度出现低 理功能；输出层将网络结果输出，与外部设备联系。 潮，然而人们对神经网络的研究并未停滞不前，到了 同层之间各神经元互不相连，相邻层的神经元连接强 80年代，神经网络又再次兴起。目前，神经网络在人 度 由连接权值表示。图1为三层BP神经网络模型。 工智能 、机器人、信号处理、自动控制等领域都有广 泛发展。近年来，BP神经网络发展迅速 ，已成为人工 智能领域的一个重要分支，广泛应用于故障诊断技术 中。此网络是由许多非线性映射功