RBF神经网络在旋转机械故障诊断中的应用-论文.pdf

《RBF神经网络在旋转机械故障诊断中的应用-论文.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、第36卷第4期三峡大学学报(自然科学版)VoI．36No．42014年8月JofChinaThreeGorgesUniv．(NaturalSciences)Aug．2014RBF神经网络在旋转机械故障诊断中的应用陈松(安徽建筑大学机械与电气工程学院，合肥230601)摘要：以频谱能量和轴心轨迹特征作为机械故障的特征量，通过RBF神经网络对机械故障进行诊断，使用Matlab软件编程并得出识别结果．与BP神经网络、Elman神经网络相比，RBF神经网络在机械故障诊断中具有训练次数少，速度快，准确度高，识别误差小的优点．关键

2、词：RBF神经网络；故障诊断；Matlab；旋O转机械；转子故障中图分类号：TH165．3文献标识码：A文章编号：1672—948X(2O14)04—0101一O4ApplicationofRBFNeuralNetworktoFaultDiagnosisofRotaryMachinesChenSong(CollegeofMechanical&ElectricalEngineering，AnhuiJianzhuUniv．，Hefei230601，China)AbstractThefrequencyspectrumener

3、gyandaxisorbitcharacteristicsareusedasthecharacteristicsofme—chanicalfailure．Matlabsoftwareisusedforprogramming，andthentoobtaintherecognitionresults．Usingradialbasisfunction(RBF)neuralnetworkinmechanicalfaultdiagnosis，comparedwiththeBPneuralnet—workandElmanneura

4、lnetwork，theformerhashigherspeed，higheraccuracyandsmal1identificationerror．Keywordsradialbasisfuncction(RBF)neuralnetwork；faultdiagnosis；Matlab；rotatingmachinery；rotorfaU1t旋转机械故障的诊断可以通过测量振动信号、振受初始权值分布影响较大、结果不稳定等问题．El—声、温度、油液或光谱来实现．对于振动信号有时域特man神经网络作为一种重要的动态反馈性学习

5、模型，征提取、时序特征提取、频谱特征提取、时频特征提通过增加结构单元对各个样本的相互关联进行记忆，取、高阶谱特征提取和小波频带特征提取等方法．对实现动态建模，该模型具有极强的复杂模式动态映射于各种特征量的识别，应用较多的算法有：模糊集合、能力，更是一种极具潜力的复杂故障模式辨识工具．专家系统、神经网络等]．故障特征与故障模式并不但由于Elman神经网路的学习过程与前馈神经网络是简单的一一对应关系，其构成的故障特征空间比较类似，难免会出现收敛速度慢和易收敛到局部极小的复杂，常常不是线性可分的，而神经网络能够映射任缺陷，导

6、致故障模式辨识结果不稳定L5]．意复杂的非线性关系，具有自学习、自组织、自适应等径向基函数神经网络(RadicalBasisFunction神特性，并且有极强的容错和联想能力、较快的计算速经网络)是一种高效的前馈式神经网络，它具有其他度，所以神经网络被广泛用于机械故障诊断识别中．前向网络所不具有的最佳逼近性能和全局最优特性，目前广泛应用的是BP神经网络，它能反映诊断可以避免陷入局部极小的可能，并且结构简单，训练过程的本质，静态模式识别能力强，可实现任意复杂速度快．它也是一种可以广泛应用于模式识别、非线的判决表面，具有自

7、学习及自适应能力j．但BP网性函数逼近等领域的神经网络模型．所以本文将径向络采用的是梯度下降的搜索算法，这就不可避免地出基神经网络用于旋转机械实现故障诊断，使用Mat—现了网络收敛速度慢、容易陷入局部极小、学习结果lab软件编程并得出识别结果．收稿日期：2Ol4一OZ一19通信作者：陈松(1986一)，男，硕士，助教，主要研究方向为机械故障诊断与模式识别．E-mail：gengyun97@163．corn1O2三峡大学学报(自然科学版)2O14年8月弯曲，转子松动．有的文献中，对上述故障进行诊断使径向基函数神经网络算法

8、用频谱能量作为特征量，难以区分角度不对中与平行不对中、油膜涡动与油膜振荡；有的文献中，对上RBF网络结构如图1所示．输入层到隐层为权述故障进行诊断是识别轴心轨迹的特征，难以区分转子不平衡与轴弯曲、喘振与转子松动_】“]．本文综合值为1的固定连接，隐层到输出层为权值为w的线性链接．隐层神经元基函数常采用高斯型径向基函数．使用频谱能量