基于PSO和属性约减模糊神经网络机床故障诊断.pdf

2012年 1月 机床与液压 Jan．2012 第4O卷 第 1期 MACHINETOOL HYDRAULICS Vo1．40No．1 DOI：10．3969／j．issn．1001—3881．2012．01．046 基于 PSO和属性约减的模糊神经网络机床故障诊断 陈磊 (马鞍山钢铁股份有限公司第四钢轧总厂，安徽马鞍山243000) 摘要：数控机床伺服系统工作原理复杂。为 了提高智能故障诊断的准确性，提 出基于 PSO理论和属性约束规则 (RSM)的模糊神经网络算法。先对训练样本进行属性约减；由于PSO算法具有全局优化能力和BP算法具有局部搜索效率 高的优点，利用它tf]~)ll练神经网络，克服了传统方法收敛速度慢的缺点；并通过Matlab仿真证明，该方法具有较高的诊断 准确性。 关键词：模糊神经网络 ；粒子群 ；反向传播；机床故障诊断 中图分类号：TP183 文献标识码：A 文章编号：1001—3881(2012)1—169—3 MachineFaultDiagnoseofFuzzyNeuralNetworkBasedon ParticleSwarm OptimizationandAttributeRestriction CHEN Lei (No．4SteelMakingRollingPlant，MaanshanIronSteelCompanyLtd．，MaanshanAnhui243000，China) Abstract：CNCmachinetoolhasaservosystem withcomplexworkingprinciples． Inordertoimprovetheintelligentdiagnose precision，afuzzyneuralnetwork (FNN)algorithmbasedonparticleswarmoptimization (PSO)theoryandattributerestrictionpre— digestingmethod (RSM)wasproposedforCNCmachinefaultdiangose．Thetrainingsampleswerepredigestedwithattributerestric— tion，thentheFNN wastrainedwiththemethodcomposedofthePSO andBP，formakinganexertionofadvantagesfrom boththe globaloptimizationofPSO andlocalaccuratesearchingofBP，andtheslow convergenceshortageofthetraditionlearningalgorithm wasovercome．ItisprovedthatthemethodhasbetterdiagnoseaccuracythroughMatlabemulator． Keywords：Fuzzyneuralnetwork；Particleswa／／noptimization；Backpropagation；Machinetoolfaultdiagnose 随着工业革命的发展，数控机床作为一种重要的 展，这种算法被称为标准PSO。PSO假设 7／,维空间中 机械加工工具，已经成为工业加工领域不可或缺的基 的多个 自由飞行的带有一定参数权值的微粒是平等 础装备，但是由于传统机械和现代电子技术的结合 ， 的，它们的各项飞行参数则 由每个个体和整个群落的 使得系统的复杂性和系统故障概率大为增加，快速准 经验值设定。 确的诊断故障已经成为一门新兴的学科。 PSO算法的目标进化公式为 神经网络作为人工智能的一个重要研究方向，已