人工神經(jīng)網(wǎng)絡在機械故障診斷中的應用-文庫吧在線文庫
【正文】 。期望誤差當然希望越小越好，但是也要有合適值。bh39。%繪制網(wǎng)絡輸出曲線并與原函數(shù)比較%網(wǎng)絡訓練=50。 %設置網(wǎng)絡隱單元的神經(jīng)元數(shù)目net=newff(minmax(X),[n,1],{39。bh39。%繪制網(wǎng)絡輸出曲線并與原函數(shù)比較%網(wǎng)絡訓練=50。%建立網(wǎng)絡n=20。, X,Y2,39。 %顯示迭代過程=。 %設置網(wǎng)絡隱單元的神經(jīng)元數(shù)目net=newff(minmax(X),[n,1],{39。bh39。%繪制網(wǎng)絡輸出曲線并與原函數(shù)比較%網(wǎng)絡訓練=50。%建立網(wǎng)絡n=7。Y2 = sin(X2) + *randn(1,length(X2))plot(X2,Y2,’o’)2) 網(wǎng)絡結(jié)構(gòu)：輸入：1。圖7 三種不同方法對訓練樣本的預測結(jié)果 圖8 三種不同方法對測試樣本的預測結(jié)果表1 幾種不同方法的預測結(jié)果模型訓練樣本測試樣本最大絕對誤差均方差最大絕對誤差均方差標準BP算法改進的BP算法遺傳神經(jīng)網(wǎng)絡由此可見, 遺傳神經(jīng)網(wǎng)絡在機械振動信號預測中是一種有效可行的方法。以某臺機械設備采集的一組振動位移的采樣數(shù)據(jù)[6]為例, 來證實遺傳神經(jīng)網(wǎng)絡在機械故障診斷中的有效性和實用性。研究表明: 振動的強弱及其包含的主要頻率成份和故障類型、部位和原因等有著密切的聯(lián)系。故障不等于失效更不等于損壞, 失效與損壞是嚴重的故障。這樣網(wǎng)絡的權(quán)就可由線性方程組直接解出或用RLS方法遞推計算，從而大大加快學習速度并避免局部極小問題。將誤差沿原來的通路返回，以調(diào)整網(wǎng)絡的權(quán)值和閾值，使得誤差滿足要求，實現(xiàn)給定的輸入到輸出的映射關(guān)系。（3）互聯(lián)網(wǎng)絡互聯(lián)網(wǎng)絡每個元都可以與其它元相連，分為局部互聯(lián)和全互聯(lián)。BNN信息傳遞過程中，信號為脈沖，當脈沖到達突出前膜時，前膜釋放化學物質(zhì)，結(jié)果在突觸后產(chǎn)生突觸后電位，其大小與脈沖密度有關(guān)，即時間總合效應。設輸入向量為，則信息的向前傳播過程為：（1） 隱含層中第個神經(jīng)元的輸出：（2）輸出層中第個神經(jīng)元的輸出:1（3）定義誤差函數(shù):其中， 分別是隱含層和輸出層的激活函數(shù)。由于其計算方法具有自組織、自適應、并行性、非線性和容錯性等特征，ANN已經(jīng)成為人工智能領(lǐng)域的前沿技術(shù)，在函數(shù)逼近、模式識別、信號處理等領(lǐng)域應用廣泛。然后對測得的振動量進行特征分析，確定故障的性質(zhì)，最后進一步進行分析就可以確定故障的原因及部位[1] 。 機械故障診斷The Application of Artificial Neural Networksin the Mechanical Fault DiagnosisAbstract:: For the limitations of traditional methods in the mechanical fault diagnosis, it is proposed in this paper that the artificial neural network is used in the mechanical fault diagnosis. Because BP algorithm has the defects of slow convergence rate and easy trapping in local minimum, a real coded improved genetic algorithms is proposed to train the weights and threshold of neural network, and the trained neural network is applied in the prediction for the mechanical vibration signals and the mechanical fault diagnosis. By the prediction for the mechanical fault diagnosis, it can detect the faults and eliminate hidden trouble earlier, and it can save a lot of maintenance time and maintenance costs for enterprises and improve productivity for enterprises.Key words: Gene tic Algorithms。通過對機械設備振動信號的預測，可以及早發(fā)現(xiàn)故障，及時消除故障隱患，為企業(yè)節(jié)省大量的維修時間和維修費用，提高企業(yè)的生產(chǎn)率。將人工智能的理論和方法應用于機械故障診斷，發(fā)展智能化的機械故障診斷技術(shù)，是機械故障診斷的一個新途徑。生物神經(jīng)網(wǎng)絡是人工神經(jīng)網(wǎng)絡導向性的知識，卻非原則。目前, 在眾多神經(jīng)網(wǎng)絡中，前饋型神經(jīng)網(wǎng)絡因其良好的逼近能力和成熟的訓練方法得到泛的應用，它的學習算法是誤差反向傳播( Back Propagat ion ,BP)算法。因此出現(xiàn)了一些改進的方法, 主要有附加動量法、自適應學習速率、帶有動量法和自適應的梯度下降法等。應用最為廣泛。以下對三種典型的神經(jīng)網(wǎng)絡作出簡
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1