关于蚁群算法和神经网络数控机床故障诊断技术研究.pdf

第 1期 机械设计与制造 2013年 1月 Machinery Design ＆ Manufacture 165 基于蚁群算法和神经网络的数控机床故障诊断技术研究 吴冬敏，邵剑平，芮延年 (苏州大学，江苏 苏州 215021) 摘 要：为了克服BP神经网络收敛速度慢、易于陷入局部极小点的缺点，在研究蚁群算法优化神经网络训练算法的基础 上，以数控机床的进给伺服系统故障诊断为例，建立其故障诊断模型。利用训练后的蚁群神经网络对其进行故障诊断，并 把BP神经网络和蚁群神经网络的训练和诊断结果相比较。实验结果表明：蚁群神经网络比BP神经网络的收敛速度快、 运算效率高、识别能力强。这说明蚁群神经网络应用于数控机床的故障诊断中，可有效地提高故障诊断的准确度和效率， 具有 良好的应用效果。 关键词：蚁群算法；神经网络；数控机床 ；进给伺服系统；故障诊断 中图分类号：THI6；TG659；TH165+．3 文献标识码：A 文章编号：1001—3997(2013)01—0165—03 ResearchonCNC MachineFaultDiagnosisBasedonAntColony Algorithm andNeuralNetwork WUDong-min，SHAOJian-ping，RUIYan-nian (SoochowUniversity，JiangsuSuzhou215021，China) Abstract：Inordertoovercometheshortcomingsofslowconvergencespeedandeasyfallingintothelocalminimumpointsin theBPneuralnetwork，basedontheresearchofantcolonyalgorithmtooptimizateneuralnetworktrainingalgorithm，ittakes CNCmachinetool，eed$ePoosystemfaultdiagnosisasexampletoestablishthefaultdiagnosismodeLThefaultoffeedservo systemsidiagnosedbytrainednatcolonyneuralnetwork，andthetraininganddiagnossiresuluoftheBPneuralnetworkand theuatcolonyneura!networkarecomparied．Theresultshowsthattheantcolonyneuralnetworkhastheadvantagesofmore quickconvergencespeed，higheroperationeffwiency，strongeridentfiicationbailitythna BPneuralnetwork．Theseshowthat theantcoolnyneuralusedinthefaultdiagnosisofCNCmachine tool，whichCnaeffectivetyimprovethe accuracyoffualt diagnosisandefficiency，hasgoodapplciationprospects． KeyW ords：AntColonyAlgorithm ；NeuralNetwork；CNCM achine；FeedServoSystem；FaultDiagnosis 1引言 有神经网络的非线性映射能力和蚁群算法的快速、全局收敛及启 发式学习等特点，在某种程度上避免了神经网络收敛速度慢，易 数控机