基于遗传算法的BP神经网络滚动轴承故障诊断.pdf

《基于遗传算法的BP神经网络滚动轴承故障诊断.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、2015年3月机械设计与制造工程Mal-．2015第4_4卷第3期MachineDesignandManufacturingEngineeringVo1．44No．3DOI：10．3969／j．issn．2095—509X．2015．03．014基于遗传算法的BP神经网络滚动轴承故障诊断唐立力，吕福起(重庆工商大学融智学院，重庆400033)摘要：针对滚动轴承的故障诊断问题，提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数，利用遗传算法进行BP神经网络的权值和阈值优化，并用优化后的BP神经网络进行故障诊断。

2、通过MATLAB仿真，结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。关键词：滚动轴承；故障诊断；遗传算法；BP神经网络中图分类号：TP183文献标识码：A文章编号：2095—509X(2015)03—0065—04滚动轴承是机械设备中最常用的部件，在工作2滚动轴承故障诊断的BP神经网络模型过程中，由于装配不当、润滑不良、水分和异物侵模型采用3层BP神经网络，输人层为5个神入、腐蚀或过载等都可能使轴承损坏。目前，滚动经元，对应于峰值因子、波形因子、脉冲因子、裕度轴承故障的智能诊断方法多种多样，BP神经网络因子和

3、峭度5个特征参数。诊断法是其中一种¨I5J，由于网络结构、初始连接隐层神经元个数根据Kolmogorov定理确权值和阈值的选择对网络训练的影响很大，又无法定：准确获得，再加上BP神经网络本身存在学习收敛M=2N+1(1)速度慢、容易陷入局部极小点的问题，导致诊断精式中：为隐层神经元节点数；Ⅳ为输入层神经元确性降低甚至误诊。为了解决这些问题，许多学者节点数，值为5，故肘等于11。对BP神经网络进行了改进或优化，比如将小波分网络的输出对应着轴承的5种状态，将这5种析和BP神经网络相结合一、对BP神经网络进输出状态分别编码为：正常(10000)，内圈故

4、障行优化以及其他一些改进方法¨J。(01000)，外圈故障(00100)，滚动体故障(00本文以某型滚动轴承为例，提出了一种基于遗010)，保持架故障(00001)。因而输出层神经传算法的BP神经网络滚动轴承故障诊断方法，用元节点数取为5。遗传算法优化BP神经网络的权值和阈值，得到网络的最优初始权值和阈值。利用最优值BP神经3遗传算法优化的BP神经网络网络进行诊断，加快了收敛的速度，克服了极小点首先利用遗传算法对BP神经网络结构中的问题，提高了滚动轴承故障诊断的精度和速度。输人层与隐含层连接权值、隐含层阈值、隐含层与输出层连接权值、输出层阈值进行

5、初始优化，得到1滚动轴承特征参数提取权值和阈值的较优解；再将该较优解代入BP神经选取某型滚动轴承的5个特征参数，分别是峰网络中，用遗传算法对网络权值和阈值进行迭代计值因子、波形因子、脉冲因子、裕度因子和峭度¨，算、反复优化后得到初始权值和阈值的最优解。具这5个参数组成BP神经网络的输入向量。轴承体计算步骤为：(1)初始化种群，随机产生n个可状态主要分为正常、内圈故障、外圈故障、滚动体故行解Xi(个体，i=1，2，⋯，n)组成初始种群；(2)障、保持架故障5大类，可作为BP神经网络所要选择BP神经网络测试误差的范数作为遗传算法的诊断的5种类型。目标

6、函数，再通过该目标函数计算种群中个体的收稿日期：2015—02—06基金项目：重庆工商大学融智学院培育项目(20140205)作者简介：唐立力(1983一)，男，重庆人，重庆工商大学融智学院讲师，硕士，主要研究方向为智能控制、智能信息处理。·65·2015年第44卷机械设计与制造工程适应度值并进行选择操作；(3)按照交叉概率P表1训练样本进行交叉操作；(4)按照变异概率P进行变异操作；(5)得到新种群并计算出较优解，判断是否满足迭代终止条件，若满足终止条件，则遗传运算结束，输出为最优解，否则转回步骤(2)。遗传算法优化BP神经网络的算法流程如图1

7、所示。表2测试样本图1遗传算法优化BP神经网络的算法流程4仿真与分析4．1BP神经网络进化过程以某型滚动轴承_l的5个特征参数作为BP神经网络的输入，对轴承状态进行编码，所得编码定义为BP神经网络期望输出向量，训练样本和测试样本数据分别见表1、表2。由前面分析可知，BP神经网络的结构为5—11—5型，隐层传递函数为s型正切函数tansig，输出层传递函数为s型对数函数logsig，训练算法为’trainlm(LM算法)，性能函数为mse(均方误差)，训练目标为0．01。遗传算法运行参数中种群大小为40，最大遗传代数为50，个体采用二进制编码且长度

8、为10，交叉概率为0．70，变异概率为0．01，代沟为0．95，适应度函数采用排序的适应度分配函数，选择算子采用随机遍历抽样，交叉算子采