KPCA和遗传BP神经网络在滚珠丝杠故障诊断中的应用研究.pdf

《KPCA和遗传BP神经网络在滚珠丝杠故障诊断中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年5月机床与液压Mav2014第42卷第9期MACHINETOOL＆HYDRAUUCSVo1．42No．9DOI：10．3969／j．issn．1001—3881．2014．09．044KPCA和遗传BP神经网络在滚珠丝杠故障诊断中的应用研究宋平，文妍，谭继文(青岛理工大学，山东青岛266033)摘要：提出了一种基于核主元分析(KPCA)和遗传BP神经网络的滚珠丝杠故障诊断方法。首先用2个测点的6个传感器同步采集滚珠丝杠的振动信号，并进行特征提取，得到原始样本空间，然后利用核主元分析对原始样本空间进行降维处理，以消除样本间的冗余信息。引

2、入遗传算法，解决了传统BP神经网络初始权值和阈值选择的随机性，并建立3种不同的滚珠丝杠故障诊断网络对滚珠丝杠的正常状态、丝杠弯曲、滚珠破损和滚道磨损4种状态进行诊断实验。结果表明：基于核主元分析和遗传BP神经网络的滚珠丝杠故障诊断方法明显地缩短了网络的训练时间，有效地提高了故障状态的识别率。关键词：核主元分析；遗传BP神经网络；滚珠丝杠；故障诊断中图分类号：TG659文献标识码：A文章编号：1001—3881(2014)9—159—4ApplicationResearchofKPCAandGA-BPNeuralNetWorkinBallScre

3、wFaultDiagnosisSONGPing，WENYan，TANJiwen(QingdaoTechnologicalUniversity，QingdaoShandong266033，China)Abstract：AfaultdiagnosismethodofBallscrewbasedonKPCAandGeneticGA—BPneuralnetworkswasproposed．First，syn—chronousacquisitionofvibrationsignaloftheBallscrewusing6sensorsin2pointsw

4、asdone，andtheoriginalsamplespacewasob—tainedbyfeatureextraction．ThenthedimensionoftheoriginalsamplespacewasreducedwiththeKPCAtoeliminatetheredundantin—formationofthesamplespace．ByintroducedGeneticAlgorithm，therandomnessatselectingoftraditionalBPneuralnetworkinitialweightsand

5、thresholdwasresolved，andthreenetworkindifferenttypeswereestablishedtodiagnosisfourdifferentstateofBallscrewincludingnormalstate，screwbending，brokenballandracewaywear．Resultsshowthat，ballscrewfaultdiagnosismethodbasedonKPCAandGA—BPneuralnetworkhassignificantlyshortenthetraini

6、ngtimeofthenetwork，andeffectivelyimprovetherecognitionrateofthefaultcondition．Keywords：KPCA；GA—BPneuralnetwork；Ballscrew；Faultdiagnosis滚珠丝杠具有高精度、可逆性和高效率等特点，传算法对传统BP神经网络进行优化，避免了其初始是精密机械上最常使用的传动元件之一，其故障状态权值和阈值选择的随机性，有效地解决了传统BP神对机械加工的精度和效率有着很大的影响。因此，研经网络训练速度慢且容易陷入局部极小点的缺陷。究滚珠丝杠

7、运行状态监测和故障诊断方法，具有重要最后通过实验验证了基于核主元分析和遗传BP神经意义。网络的滚珠丝杠状态监测与故障诊断方法的有效性和文中提出一种基于核主元分析和遗传BP神经网优越性。络的滚珠丝杠故障诊断方法。核主元分析是一种非线1核主元分析和遗传BP神经网络理论基础性特征提取方法”，它通过引入核函数将输入样本空1．1核主元分析间映射到一个高维空间，使其变得线性可分，再通过假定原始输入样本为X∈R，通过一个非线线性主元分析进行特征提取，得到样本数据的非线性性函数(·)将映射到高维特征空间F。如Ⅳ主元，在不降低分类效果的情况下，有效地去除样果有∑

8、()=0，则特征空间数据的协方差矩阵本中的冗余信息，实现了对样本的降维处理。引入遗可以表示为：收稿日期：2013—04—0l基金项目：国家自然科学基金