一种基于鱼群算法优化BP网络的齿轮箱故障诊断方法技术

技术编号:21800129 阅读:52 留言:0更新日期:2019-08-07 10:45
本发明专利技术公开了一种基于鱼群算法优化BP网络的齿轮箱故障诊断方法。针对标准人工鱼群算法中的两个主要参数视野和步长的固定机制,本发明专利技术首先对原有的鱼群算法进行改进,提出了一种动态自适应人工鱼群算法(DLAFSA),再利用动态自适应人工鱼群算法优化BP神经网络的初始权值和阈值,构建了DLAFSA‑BP网络模型,并应用于齿轮箱故障诊断。本发明专利技术充分发挥了算法运行前期人工鱼群算法的全局寻优能力和后期BP神经网络精细的局部搜索能力,可以更准确、可靠地识别齿轮箱的故障。本专业技术人员只需要将该方法用于采集到的齿轮箱振动数据,即可判断出故障类型,同时解决了传统齿轮箱故障诊断技术的精度低、可靠性差的问题。

A Fault Diagnosis Method for Gearbox Based on Fish Swarm Algorithms Optimizing BP Neural Network

【技术实现步骤摘要】
一种基于鱼群算法优化BP网络的齿轮箱故障诊断方法
本专利技术涉及故障诊断
,特别是一种基于鱼群算法优化BP网络的齿轮箱故障诊断方法。
技术介绍
齿轮箱作为一种动力传动装置,是实际生活中运用最广泛的机械设备之一,比如风力发电机、高速动车和航天设备等,齿轮箱在其中扮演着极其关键的角色。由于齿轮箱内部结构复杂,工作环境恶劣,而其中的零部件如齿轮、轴承等加工工艺复杂,装配精度要求高,又经常在高速重载下连续工作,是诱发机器故障的主要原因,甚至可能会导致整个机械系统的瘫痪,造成无法挽回的损失。因此,准确诊断齿轮箱的运行状态是否健康以及故障位置意义重大。针对齿轮箱的故障诊断问题,目前,国内外学者提出了许多故障诊断的方法,从早期的时域、频域分析法到后来的时频分析法以及现在的机器学习领域。华北电力大学的龙泉等在论文“基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法”中提出利用粒子群算法优化BP神经网络的权值和阈值,并将优化后的网络用于风电机组齿轮箱的故障诊断,该方法缺乏速度的动态调节,易陷入局部最优解从而降低诊断精度。河南理工大学的刘景艳在论文“遗传神经网络在齿轮箱故障诊断中的应用”中提出本文档来自技高网...

【技术保护点】
1.一种基于鱼群算法优化BP网络的齿轮箱故障诊断方法,其特征在于,包括以下步骤:步骤一、利用加速度传感器采集齿轮箱变速系统的振动信号,得到正常、保持架断裂故障、断齿故障、轴承外圈故障、组合故障(同时存在齿轮断齿和外圈裂纹)五种状态下的振动数据;步骤二、提取故障特征参数,根据各指标对齿轮箱五种不同工况的敏感性提取特征参数,并进行归一化处理;步骤三、将上述提取并作归一化处理的特征参数作为动态自适应人工鱼群算法优化的BP神经网络(DLAFSA‑BP)的输入,齿轮箱的五种状态作为网络输出;步骤四、利用DLAFSA‑BP网络模型获得齿轮箱故障诊断结果。

【技术特征摘要】
1.一种基于鱼群算法优化BP网络的齿轮箱故障诊断方法,其特征在于,包括以下步骤:步骤一、利用加速度传感器采集齿轮箱变速系统的振动信号,得到正常、保持架断裂故障、断齿故障、轴承外圈故障、组合故障(同时存在齿轮断齿和外圈裂纹)五种状态下的振动数据;步骤二、提取故障特征参数,根据各指标对齿轮箱五种不同工况的敏感性提取特征参数,并进行归一化处理;步骤三、将上述提取并作归一化处理的特征参数作为动态自适应人工鱼群算法优化的BP神经网络(DLAFSA-BP)的输入,齿轮箱的五种状态作为网络输出;步骤四、利用DLAFSA-BP网络模型获得齿轮箱故障诊断结果。2.根据权利要求1所述的基于鱼群算法优化BP网络的齿轮箱故障诊断方法,其特征在于,步骤三中,将标准人工鱼群算法中的两个主要参数视野和步长的固定机制调整为一种动态机制,利用Logistic模型的动态变化性对参数visual进行调整,设视野visual的变化范围为[visualmin,visualmax],参数visual的变化设定为公式:则visual的计算公式为:其中,t为算法的迭代次数;α为初始衰减速度,α值越大,visual下降速度越快;设置步长Step随视野visual的动态自适应变化规律如下式:Step=β*Visual(3)其中,β为视步系数0<β<1;2)在改进的鱼群算法中,忽略原有的拥挤度因子。公告板中记录每次人工鱼执行一个行为后食物浓度最高的人工鱼状态,迭代过程中始终保证公告板中人工鱼的状态是最优的;结合公告板的鱼群聚群行为表达式如下:其中,rand表示[0,1]之间的一个随机数;Xc表示第t次迭代时,邻域内n(t)条邻居鱼的中心位置;ggbx表示公告板中人工鱼的状态;Xnext(i)表示第i条人工鱼的下一个状态;式(4)中Xc的计算公式如下:其中,Xmi表示人工鱼Xi的第m(0<m<n(t))条邻居鱼;结合公告板的鱼群觅食行为表示式如下:其中,Xmax表示人工鱼Xi邻域结构内食物浓度最高的那条邻居...

【专利技术属性】
技术研发人员:唐刚朱立军胡雄周浩
申请(专利权)人:上海海事大学
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1