基于蚁群神经网络的滚动轴承故障诊断.pdfVIP

学兔兔 璺 !Q 二 Z 轴承 2012年2期 CN41—1148／TH Bearing 2012，No．2 基于蚁群神经网络的滚动轴承故障诊断 程加堂，艾莉，熊伟 (红河学院 工学院，云南 蒙自 661100) 摘要：为了提高滚动轴承故障诊断的准确性，将蚁群算法与神经网络相结合，根据轴承故障产生的机理，建立其 BP神经网络的诊断模型，以网络的误差为目标函数，通过蚁群算法进行BP网络的权值优化，并用优化好的BP 网络进行故障诊断。仿真结果表明，该方法具有较高的故障诊断准确度，具有较强的实用性。 关键词：滚动轴承；蚁群算法；神经网络；故障诊断 中图分类号：TH133．33；TP274 文献标志码：B 文章编号：1000—3762(2012)02—0034—03 Fault Diagnosis for Rolling Bearings Based on Ant Colony Algorithm —Neural Networks CHENG Jia—tang，AI Li，XIONG Wei (Engineering College，Honghe University，Mengzi 661 100，China) Abstract：In order to improve the accuracy of rolling bearing fault diagnosis，a method of ant colony algorithm combined with neural network model is applied．According to the mechanism of bearing failure，the BP neural network diagnostic model is established．Taking the error as objective function，the weight of BP neural network is optimized by using multi— ple generation computation of ant colony，and then the fault diagnosis is accomplished via the optimized BP neural net— work．The sinmlation results show that the method has high accuracy of fault diagnosis，with a strong practica1． Key words：rolling bearing；ant colony algorithm；neural network；fault diagnosis 滚动轴承是机械设备中最易损坏的部件之 陷入局部极小等缺点，影响其诊断能力。蚁群算 一 ， 在旋转机械中约30％的故障是由滚动轴承损 法是一种采用正反馈机制、分布式并行计算的仿 坏而引起的¨J，因此轴承的运行状态是否良好直 生优化算法，具有较强鲁棒性，并易与其他算法相 接关系到整台机器的工作性能。传统的滚动轴承 结合。文献[4]提出了用