带有偏差单元的递归神经网络诊断方法在齿轮箱故障诊断中的应用.pdf

《带有偏差单元的递归神经网络诊断方法在齿轮箱故障诊断中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、带有偏差单元的递归神经网络诊断方法在齿轮箱故障诊断中的应用闫宏伟，姚竹亭(中北大学机械工程与自动化学院，山西太原030051)摘要：提出了带有偏差单元的递归神经网络方法，并将其应用到齿轮箱的故障诊断中．通过对齿轮箱的基本零件齿轮故障的设鼍，研究了BP神经网络的改进算法与带有偏单元的递归神经网络用于齿轮箱故障诊断的有效性．研究表明，带有偏单元的递归神经网络方法比BP网络训练速度快，精度要高，节省时间，能够精确实现故障定位．关键词：BP神经网络；齿轮箱；振动信号；故障诊断中图分类号：TPl83文献标识码：A文章编号：1005-8354(2010)02-0031-04

2、BiasUnitwithaRecurrentNeuralNetworkDiagnosisMethodinGearboxFaultDiagnosisYANHong-wei，YAOZhu—ting(CollegeofMechanicalEngineering＆Automatizition，NoahUniversityofChina，ShanxiTaiyuan030051，China)Abstract：／nthispaper，withabiasunitrecurrentneuralnetworkmethodanditsapplicationtogearbox丘ultd

3、iagnosis．Throughthebasiccomponentsofthegearboxgear知ultset，studytheimprovedalgorithmofBPneuralnetworkwiththeunitwithapartialrecurrentneuralnetworkfor丘uhdiagnosisoftheeffectivenessofthegearbox．StudieshaveshownthatcellswithapartialrecursiveneuralnetworkthantheBPnetworktrainingspeedandac

4、curacymustbehigh，savetime，beabletoaccuratelyrealizethefauhlocation．Keywords：BPneuralnetwork；gearbox；vibrationsignal；丘uhdiagnosis0引言近年来，机械故障诊断技术的研究越来越受到重视，许多现代科学技术手段被广泛地应用到这一领域，其中专家系统代表了这个时期故障诊断方法的一个潮流．但通常的专家系统由于存在知识获取瓶颈问题和系统运行过程中的知识自学习等一些固有的缺陷，使得人们开始探索采用人工神经网络技术以克服上述专家系统的不足，并且已取得很多成果

5、一’3一o．神经网络技术用于机械故障诊断中较成熟的为BP网络，但其在实际使用中也存在一些不足．为此，人们采取了不同的改进方法，如采用新的误差函数、不同权值修正方法等，针对多输出节点的复杂BP网络，本文提出了带有偏单元的递归神经网络．1BP神经网络的算法实现1．1BP网络神经元图1给出一个基本的BP神经元，它具有n个输入，每个输入都通过一个适当的权值w与下一层相连，网络输出可表示成a=以t‘，·P+b)．BP网络可以作为任意一个通用的函数逼近器．如果BP网络的最后一层是sigmoid型神经元，那么整个网络的输出就限制在一个较小的范围内；如果BP收稿日期：2009一

6、12．22作者简介：同宏伟(1969-)，男，副教授，主要从事复杂动力机械动态设计及优化等工作技术篇2010年第二期31网络的最后一层是purelin型线性神经元，那么整个相反时，表明下降过头，这时可使步长减半限m1．网络的输出可以取任意值⋯．PO)P(2)●●●P(n)图1基本BP神经元示意图1．2BP神经网络的改进算法从本质上讲，BP算法可以看作是LMS算法在多层前馈神经网络中的应用，它是一个非线性优化问题，这就不可避免地存在局部极小的问题．在用它解决一些稍微复杂的问题时，往往不能保证达到全局最小，致使学习过程失效；当误差变小时，特别是接近最小点时，学习收敛

7、缓慢，效率低；且隐含层个数的确定尚无理论指导，不恰当的个数会导致整个应用失败．鉴于BP算法存在着以上缺点，有必要对BP算法进行改进．动量法能降低网络对于误差曲面局部细节的敏感性，有效地抑制网络陷于局部极小，因此，采用动量法和学习率自适应调整策略，可以提高学习速度并增加了算法的可能性．标准BP算法实质上是一种最简单的快速下降静态寻优算法，在修正叫(k)时，只是按照k时刻负梯度方式进行修正，而不考虑以前积累的经验，即以前时刻的梯度方向，常常使学习过程发生振荡，收敛缓慢一j1．为此我们使用改进算法：加(k+1)=埘(k)+a[(1一卵)D(后)+r／D(k—1)](1

8、)式中，彬(k)既可表示