基于bp神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法初探畢業(yè)設(shè)計(jì)論文-資料下載頁(yè)
2025-06-23 19:34本頁(yè)面
【正文】 斷的BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置，同時(shí)驗(yàn)證將BP神經(jīng)網(wǎng)絡(luò)方法應(yīng)用到滾動(dòng)軸承故障診斷問(wèn)題的可行性和優(yōu)越性。(1) LM算法神經(jīng)網(wǎng)絡(luò)設(shè)置時(shí)，在Training function選項(xiàng)中選取TRAINLM后，設(shè)置隱含層神經(jīng)元個(gè)數(shù)分別為7~12。在不同隱含層神經(jīng)元設(shè)置下，經(jīng)過(guò)反復(fù)訓(xùn)練多次，LM算法下的訓(xùn)練效果不符合要求，結(jié)果表現(xiàn)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練未完成，誤差曲線不收斂但精度符合要求，(a)所示，或?yàn)榍€收斂，但精度不符合要求，無(wú)法用于進(jìn)一步的測(cè)試和仿真，(b)所示。(a) 未收斂(b) 精度不符合要求 LM算法訓(xùn)練誤差曲線(2) 共軛梯度算法在設(shè)置神經(jīng)網(wǎng)絡(luò)時(shí)，Training function選項(xiàng)選取TRAINSCG后，設(shè)置隱含層神經(jīng)元個(gè)數(shù)分別為7~12。在不同隱含層神經(jīng)元設(shè)置下，經(jīng)過(guò)反復(fù)訓(xùn)練多次，得到不同的訓(xùn)練誤差曲線和精度。通過(guò)對(duì)比可以看出，當(dāng)神經(jīng)元個(gè)數(shù)為9時(shí)，所設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練未完成，表現(xiàn)為迭代1284步后誤差曲線未收斂但精度符合要求，(a)所示，或?yàn)榈?434步后精度沒(méi)有達(dá)到要求但曲線收斂，(b)所示；當(dāng)神經(jīng)元個(gè)數(shù)為112時(shí)，誤差曲線收斂效果良好，且訓(xùn)練精度符合要求，迭代步數(shù)分別為2760步、2575步和2480步，、可用作進(jìn)一步的測(cè)試和仿真。從訓(xùn)練過(guò)程可以看出，對(duì)于本文所設(shè)計(jì)的軸承故障BP神經(jīng)網(wǎng)絡(luò)，共軛梯度算法的收斂性和精度要優(yōu)于LM算法。(a) 7個(gè)神經(jīng)元(b) 9個(gè)神經(jīng)元 共軛梯度算法訓(xùn)練未收斂誤差曲線(a) 10個(gè)神經(jīng)元(b) 11個(gè)神經(jīng)元(c) 12個(gè)神經(jīng)元 共軛梯度算法訓(xùn)練收斂誤差曲線 BP神經(jīng)網(wǎng)絡(luò)的測(cè)試仿真選取上一節(jié)中誤差曲線收斂、訓(xùn)練完成的三種BP神經(jīng)網(wǎng)絡(luò)用于本節(jié)的測(cè)試仿真。選中已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，點(diǎn)擊Simlulate，將測(cè)試數(shù)據(jù)和測(cè)試目標(biāo)輸出導(dǎo)入后，點(diǎn)擊右下角的Simulate Network，即可開(kāi)始測(cè)試。測(cè)試結(jié)束后，輸出結(jié)果和誤差可分別在Output窗口和Error窗口查看。為了將輸出結(jié)果整定到0和1，避免誤判，需要設(shè)定一個(gè)判別區(qū)間[13]。在10個(gè)神經(jīng)元故障診斷神經(jīng)網(wǎng)絡(luò)的測(cè)試輸出結(jié)果中，設(shè)定判別區(qū)間為(,)和(,)，則共有175組故障數(shù)據(jù)診斷成功，%；在11個(gè)神經(jīng)元故障診斷神經(jīng)網(wǎng)絡(luò)的測(cè)試輸出結(jié)果中，設(shè)定判別區(qū)間為(,)和[,]，則共有179組故障數(shù)據(jù)診斷成功，%；同樣的，在12個(gè)神經(jīng)元故障診斷神經(jīng)網(wǎng)絡(luò)中，判別區(qū)間設(shè)定為(,)和[,]，則共有164組診斷成功，%。由訓(xùn)練和測(cè)試仿真結(jié)果可以看出，經(jīng)過(guò)小波包三層分解得到的8組能量特征值能夠全面的反映故障特征信息，將其作為輸入，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行滾動(dòng)軸承的故障診斷，可以快速、準(zhǔn)確地診斷出滾動(dòng)軸承的故障類(lèi)型，且有很高的診斷結(jié)果正確率。通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)內(nèi)參數(shù)的不同設(shè)置，可以得出不同的訓(xùn)練誤差曲線和診斷測(cè)試結(jié)果。對(duì)比后可以看出，共軛梯度算法更適合于本文所建立的神經(jīng)網(wǎng)絡(luò)，隱含層神經(jīng)元個(gè)數(shù)設(shè)置為11和12時(shí)有較好的收斂效果，其中12個(gè)神經(jīng)元的神經(jīng)網(wǎng)絡(luò)收斂性最好，但診斷正確率較低，10個(gè)神經(jīng)元的神經(jīng)網(wǎng)絡(luò)收斂性稍差，但正確率較高，11個(gè)神經(jīng)元的神經(jīng)網(wǎng)絡(luò)診斷結(jié)果正確率最高，同時(shí)收斂性良好。 結(jié) 論本文以滾動(dòng)軸承故障診斷問(wèn)題為背景，探討了將BP神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于軸承故障診斷問(wèn)題的可行性和優(yōu)越性。根據(jù)人工神經(jīng)網(wǎng)絡(luò)的原理，設(shè)計(jì)出了用于軸承故障診斷的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并以小波包分解得到能量特征值作為輸入向量(90組用作訓(xùn)練，195組用作測(cè)試)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和測(cè)試仿真，得到了不同的訓(xùn)練誤差曲線和測(cè)試輸出結(jié)果。主要的結(jié)論和成果如下：(1) 經(jīng)過(guò)小波包三層分解得到的能量特征值能夠全面地反映軸承故障的特征信息，將其作為神經(jīng)網(wǎng)絡(luò)的輸入向量，可以有效地提高故障診斷的正確率。(2) 在訓(xùn)練和測(cè)試仿真過(guò)程中，通過(guò)對(duì)兩種算法和6種隱含層神經(jīng)元設(shè)置進(jìn)行逐個(gè)組合，對(duì)比之后可知，共軛梯度算法由于其良好的收斂性，更適合于本文所建立的神經(jīng)網(wǎng)絡(luò)，隱含層神經(jīng)元個(gè)數(shù)設(shè)置為112時(shí)，神經(jīng)網(wǎng)絡(luò)的收斂效果良好。其中12個(gè)神經(jīng)元的網(wǎng)絡(luò)收斂性最好，但診斷正確率較低，%；10個(gè)神經(jīng)元的網(wǎng)絡(luò)收斂性稍差，但正確率較高，%；11個(gè)神經(jīng)元的網(wǎng)絡(luò)收斂性良好，診斷結(jié)果正確率最高，%。(3) 將BP神經(jīng)網(wǎng)絡(luò)方法應(yīng)用到滾動(dòng)軸承故障診斷問(wèn)題中，相比傳統(tǒng)的診斷方法，具有全面、快速、準(zhǔn)確等特點(diǎn)，能夠更全面的體現(xiàn)軸承的故障信息，實(shí)用性更好、準(zhǔn)確性更高，應(yīng)用前景更加廣闊。需進(jìn)一步研究的問(wèn)題：由于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建過(guò)程中可設(shè)置參數(shù)較多，任意一個(gè)參數(shù)設(shè)置的變化都會(huì)得到不同的誤差曲線和輸出結(jié)果，可以結(jié)合不同設(shè)置進(jìn)一步驗(yàn)證每一種參數(shù)選取下的訓(xùn)練和測(cè)試結(jié)果。致 謝本文是在我的導(dǎo)師張友鵬教授，博士生董海燕師姐和碩士生張?chǎng)獛熜旨?xì)心的幫助下完成的。張教授嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和細(xì)致的工作方法給了我極大的影響和幫助，并指導(dǎo)我完成了論文。論文的選題，資料的搜集，滾動(dòng)軸承故障類(lèi)型和神經(jīng)網(wǎng)絡(luò)原理的學(xué)習(xí)，BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)構(gòu)建，訓(xùn)練和測(cè)試仿真的實(shí)現(xiàn)等，都得到了董海燕師姐和張?chǎng)獛熜值南ば闹笇?dǎo)，在此表示深深的謝意。在查找資料的過(guò)程中，圖書(shū)館的老師、相關(guān)技術(shù)論壇的老師和朋友們也給了我很多幫助和支持，在此向幫助和指導(dǎo)過(guò)我的各位老師表示衷心的感謝！感謝我的同學(xué)、朋友和503實(shí)驗(yàn)室的各位學(xué)長(zhǎng)學(xué)姐，在設(shè)計(jì)過(guò)程中提供了很多資料和建議，還在論文的撰寫(xiě)和排版過(guò)程中提供熱情的幫助。參考文獻(xiàn)[1] 陳長(zhǎng)征,胡立新,[M].北京:科學(xué)出版社,2007:249250.[2] [M].西安:西北工業(yè)大學(xué)出版社,2001:89.[3] [D].大連:大連理工大學(xué),2008:1740.[4] [D].成都:四川大學(xué),2006:2160.[5] 、設(shè)計(jì)及應(yīng)用[M].北京:化學(xué)工業(yè)出版社,2007:5354.[6] 周志華,[M].北京:清華大學(xué)出版社,2004:35.[7] Martin T. Hagan,Howard B. Demuth,Mark H. network design[M].China Machine Press, 2002:235239.[8] [D].太原:太原理工大學(xué),2005:1450.[9] [J].機(jī)械設(shè)計(jì)與制造,2010,(2):128129.[10] 馬建倉(cāng),[J].1999,18(3):459 462.[11] 李永龍,邵忍平,[J].航空動(dòng)力報(bào),2010,25(1):234240.[12] (第二版)[M].北京:國(guó)防工業(yè)出版社,2007:240253.[13] 王志偉,胡瑜,[J].華東交通大學(xué)學(xué)報(bào),2010,27(1):7277.
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1