基于引力搜索RBF神经网络的机车齿轮箱故障诊断.pdfVIP

第 38卷第 2期 铁 道 学 报 Vo1．38 No．2 2016年 2月 J0URNALOFTHECHINA RAILWAY SOCIETY February 2016 文章编号 ：1001—8360(2016)02—0019—08 基于引力搜索RBF神经网络的机车齿轮箱故障诊断 卫晓娟，丁旺才，李宁洲，郭文志 (兰州交通大学 机电工程学院，甘肃 兰州 730070) 摘 要：为解决神经网络结构及参数的优化选择问题，以提高机车齿轮箱故障诊断的精度，提出一种基于引力 搜索RBF神经网络的机车齿轮箱智能故障诊断方法。基于高斯 RBF神经网络建立机车齿轮箱故障诊断模型， 采用减聚类算法确定 RBF神经网络结构 ，并结合混沌优化策略及人工蜂群搜索算子提出自适应混合引力搜索 算法对故障诊断模型进行优化求解，避免了参数选择的盲 目性。采用国际标准测试数据集对该方法进行分类性 能测试，结果表明其分类精度明显优于经 GA算法、SPSO算法、QPSO算法和GSA算法优化的RBF神经网络。 将该方法应用于机车齿轮箱故障的诊断，应用实例验证了该方法的有效性。 关键词：机车齿轮箱；高斯 RBF神经网络；故障诊断；自适应混合引力搜索算法 中图分类号：TH17；TP206．3 文献标志码 ：A doi：10．3969／j．issn．1001—8360．2016．02．003 FaultDiagnosisofLocomotiveGearboxBasedonGravitationalSearch RBF NeuralNetwork WEIXiaojuan，DINGWangcai，LINingzhou，GUOWenzhi (SchoolofMechatronicEngineering，LanzhouJiaotongUniversity，Lanzhou730070，China) Abstract：Inordertosolvetheissueofthedetermination ofneuralnetwork structureandtheoptimization Of neuralnetworkparameterstoimprovetheaccuracyoffaultdiagnosisoflocomotivegearbox，anintelligentfault diagnosismethodbasedonthegravitationalsearchalgorithm andRBFneuralnetworkwasproposed．Whenthe locomotivegearboxfaultdiagnosismodelwasestablishedbasedonGaussianRBFneuralnetwork，subtractive clusteringalgorithm wasusedtodeterminethestructureofRBF neuralnetwork．Byreferencetotheartificial beecolonysearchoperatorand chaosoptimization strategy，anadaptivehybridgravitationalsearchalgorithm wasproposedandappliedtosolveandoptimizethefaultdiagnosismodel，toavoid theblindnessofparameter selection．Resultsoftheclassification performanceteston theproposedmethodusingUCItestingdata sets showedthattheclassificationaccuracyoftheproposedmethodwassignificantlybetterthantheRBFneuralnet— workoptim