基于AIC优化RBF网络的机床主轴轴承磨损状态分析.pdf

《基于AIC优化RBF网络的机床主轴轴承磨损状态分析.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、2011年11月机床与液压NOV．2011第39卷第21期MACHINETOOL&HYDRAULICSVo1．39No．21DOI：10．3969／j．issn．1001—3881．2011．21．048基于AIC优化RBF网络的机床主轴轴承磨损状态分析黄强，张晓，丁志华(九江学院，江西九江332005)摘要：利用赤迟信息准则(AIC)确定RBF神经网络的隐含层节点数和中心，建立基于该神经网络的机床磨损状态分析模型，并利用实验获取的振动信号来判断机床主轴轴承磨损状况。实验及仿真结果表明：基于AI

2、C的RBF网络技术的分析方法在机床磨损状态分析中是有效可行的，对单一磨损状态的正确识别率达到了97．5％，对其他复杂机械的振动分析同样具有参考价值。关键词：机床；赤迟信息准则(AIC)；RBF神经网络；状态分析中图分类号：TK42文献标识码：A文章编号：1001—3881(2011)21—168—3StateAnalysisfortheAbrasionoftheHeadstockBearingBasedontheRBFNeuralNetworkOptimizedbyAICHUANGQiang，Z

3、HANGXiao．DINGZhihua(JiujiangUniversity，JiujiangJiangxi332005，China)Abstract：TheAICwasusedtocalculatethenumberandcenterofnodesoftheRBFneuralnetwork．Theanalysismodelforthemachine’sstateswasbuilt．Thevibrationsignalswereusedtoestimatetheabrasionstatesoft

4、heheadstockbearing．TheexperimentandsimulationresultsshowthatthestateanalysismethodwithRBFneuralnetworkbasedonAICisefective．Theveracityofidentificationis97．5％tOthesinglefault．Ithasvaluablereferencetothevibrationanalysisforothercomplexmachines．Keywords

5、：Machine；Akaikeinformationcriterion(AIC)；RBFneuralnetwork；Stateanalysis径向基函数神经网络由于其诸多优点(如：非值点的缺点，相当于从输入训练集中选择最优的子集线性逼近能力强、网络结构简单、学习速度快等)作为RBF网络的中心，其适应度函数采用AIC，使得而被广泛应用于模式识别、信号处理、系统辩识和控在网络性能和复杂度之间取得较好的折中，在考虑逼制等领域。但其中心和宽度的确定是一个难点，对网近误差和泛化误差的时候，只针对训练集构造

6、适应度络性能有至关重要的影响。作者采用AIC来优化隐函数，简化算法的同时形成适应度函数向量。含层节点数和中心，以期获得逼近精度高、网络结构给定训练集：简单的RBF网络，实现快速、准确的状态识别，解S={(，Y)I1≤≤J7、r，X∈R，Y。∈R)决了径向基函数神经网络在状态识别中应用的局限f=(f1，，⋯，)性，并以机床主轴轴承磨损状况为例，分析了该方法训练如下RBF网络：n的有效性。)=W。+∑咖(11X—Il，)(2)1基于赤迟信息准则的网络结构优化使得如下目标函数最小：采用赤迟信息准则来确

7、定径向基函数神经网络的Ⅳ隐含层节点数目及中心，此时的判据可写为：J。(W，c)=∑(y一墨))()，一置))(3)AIC=Nln(or2~)+4n(1)求得RBF网络的连接权值，基函数的中心C其中：Ⅳ为训练集样本数；n为网络中参数的有效和宽度。在上述网络训练中，隐含层节点数或网络个数；：为网络输出与期待输出误差的方差，即的结构通过先验知识或试凑方法事先确定。如果要同E[(0i一0)]=or。时优化网络结构、中心和连接权值，目标函数应为：用AIC确定隐含层节点数，而用误差减小率来(n。，W，c)=

8、E选择中心。该算法提供了网络性能和网络复杂度之间．(y一‰一∑币(II一I1，))×⋯’J1的折中，并能自动确定隐含层节点数。在搜索最优(一w0一∑咖(IIX,一fi，))(4)RBF网络的结构和参数时，克服了陷入结构局部极收稿日期：2010—09—15基金项目：江西省自然科学基金项目(2008GQC0002)；江西省教育厅科技资助项目(GJJ08448)作者简介：黄强(1976一)，男，博士后，副教授。E—mail：hq_hust@163．com。第21期黄强等：基于AIC优化RBF网络的机床