神经网络的滚动轴承故障预测的所属学科
神经网络的滚动轴承故障预测的所属机械工程学科。
滚动轴承是旋转机械设备的重要组成部分，也是机械设备的主要
故障来源之一，每年都有很多设备故障是由轴承引起的，造成较大的
经济损失，滚动轴承的好坏直接影响到设备乃至整个生产过程，所以
近年来滚动轴承的故障诊断和预测一直是备受关注的研究课题。
随着计算机技术和信号处理技术的发展，越来越多的新方法被引
入到滚动轴承故障诊断领域。首先将滚动轴承的振动信号进行小波包
变换故障特征提取，计算各频带的能量特征值并进行归一化处理，绘
制能量直方图表明获得的能量特征值可以表征不同的故障状态，将归
一化处理后的特征向量作为网络模型的训练样本和测试样本。为了能
够有效的识别和预测轴承的故障状态，以 BP 神经网络作为轴承故障
诊断网络，采用 PSO（ParticleSwarmOptimization，粒子群优化）
算法对 BP 神经网络进行优化和改进，以经验公式和试验相结合的方
法来确定网络的隐含层节点数，通过与采用最速下降法的 BP 神经网
络和 LM 算法的 BP 神经网络训练和测试结果做对比，最速下降法训练
的 BP 神经网络、LM 算法训练的 BP 神经网络以及 PSO 算法优化的 BP
神经网络三者的预测值与期望值之间的误差分别为 0.02676、
5.454×10-4 和 2.056×10-5，证明 PSO 算法能够有效地提高 BP 神经
网络的精度和收敛速度，优化后的神经网络具有很好的可靠性。
利用 MATLABGUI 平台建立滚动轴承故障预测系统，实现了滚动轴
承的振动信号波形显示以及故障特征向量和 PSO-BP 神经网络故障预
评论0
最新资源