基于MIV与RBF神经网络的滚珠丝杠故障诊断.pdf

《基于MIV与RBF神经网络的滚珠丝杠故障诊断.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、基于MIV与RBF神经网络的滚珠丝杠故障诊断+温国强文妍谭继文(青岛理工大学，山东青岛266033)摘要：滚珠丝杠故障特征值引入平均影响值(MⅣ)的特征值筛选方法。剔出冗余特征值，减少了特征向量数；设计了径向基《RBF)神经网络，并建立了基于MⅣ与RBF神经网络的滚珠丝杠故障识别模型。经试验，对“未筛选一BP”、“未筛选一RBF”和“MIV—RBF”三种诊断模型进行对比分析研究，结果表明：“MIV—RBF”训练步数少、收敛快、诊断精度高，是一种较为理想的滚珠丝杠故障诊断方法。关键词：滚珠丝杠MIV特征值筛选RBF神经网络故障诊断中图分类号：TG659文献标识码：

2、AFaultdiagnosisofballscrewbasedonMIVandRBFneuralnetworkWENGuoqiang，WENYah，TANJiwen(QingdaoTechnologicalUniversity，Qingdao266033，CHN)Abstract：TheMeanImpactValue(MIV)isintroducedtoremovetheredundantfeaturesandreducethenumberoffeaturevectors．DesigningtheRedialBasisFunction(RBF)neuralnet

3、workandbuildingthemodelofballscrewfaultdiagnosisbasedonMIVandRBFneuralnetwork．Undergoingcontrastresearchforthethreediagnosticmodelsabout“Unfiltered—BP”．“Unfihered—RBF’’and“MIV—RBF”．Verifiedbyex—perimentslthemodelof“MIV-RBF”isaratherplausibleballscrewfaultdiagnosismethodwiththead—vant

4、agesoflesstrainingsteps，fasterconvergencerateandhigheraccuracy．Keywords：BallScrew；MeanImpactValue；FeatureValuesSelection；RedialBasisFunctionNeuralNetwork；FaultDiagnosis．滚珠丝杠是数控机床中最常使用的关键传动元了故障诊断精度和速度，效果良好。件，具有高精度、可逆性和高效率的特点⋯。滚珠丝1MIV算法杠若出现故障，将会直接影响到数控机床的加工精度，造成产品质量下降甚至报废，损失严重。因此，若能在1．

5、1平均影响值(MⅣ)滚珠丝杠故障形成早期进行正确及时的诊断，对其生平均影响值(MIV，MeanImpactValue)，是一种目产效率与产品质量的提高大有裨益。前被认为是在神经网络中评价变量相关性的最好指标在传统诊断方法中，通常是对原始故障信号进行之一旧J。该算法可用于确定输入变量对输出变量的特征提取后，将所有特征值作为传统BP神经网络或影响大小，其符号代表相关的方向，绝对值代表影响者支持向量机的输人参量进行模式识别。这种方法输的大小。入参量多、诊断过程复杂，同时，由于BP网络容易陷1．2计算思想旧J‘入局部极小值，而且收敛速度相对较慢或无法收敛，诊(1)用原始

6、样本S对BP神经网络进行训练，并对断精度相对较低。本文引入平均影响值(MIV)方法对训练集S进行回归预测；故障特征进行筛选处理，去除冗余特征，将剩余特征作(2)在网络训练结束后，将训练样本S中每一自为故障识别的输人参量；基于具有逼近精度高、无局部变量在其原值的基础上分别加、减10％构成两个新的极小问题且收敛速度快等特点的径向基(RBF)神经网训练样本S1和S2；络建立了数控机床滚珠丝杠故障识别模型，有效提高(3)利用构建好的BP网络，对样本Sl和s2分别}国家自然科学基金项目(51075220)；青岛市科技计划基础研究项目(12—1—4-4一(3)一JCH)·6

7、4·超兮粼ZUR≮i；；PI_平弟朋嘲andR删脯设计与研究进行仿真，得到两个仿真结果Ml和M2；3滚珠丝杠故障诊断实例与建模(4)求出Ml和M2的差值，即为变动该自变量后对输出产生的影响变化值(简称w)；3．1信息采集(5)将W按观测例数平均得出该自变量对于因将加速度传感器布置于丝杠两端轴承座处，采集变量的平均影响值MIV，同理可计算出各个自变量的工作状态下的滚珠丝杠振动信号。为获取较全面的故MIV值；障信息，采用3个传感器测量X(径向)、y(轴向)、Z(6)根据MIV绝对值的大小为各自变量排序，得(径向)3个方向的信号，如图1所示。到各自变量对网络输出影响相

8、对重要性的位次表，从而判