摘要:以反向传播神经网络为基础,引入改进的蝙蝠算法对其初始阈值和权值进行优化处理,并针对滚动轴承信号的特征针对性构建了故障诊断系统。针对轴承数据的振动信号选取时、频、多尺度排列熵等提取方式进行多特征参量提取,构造了滚动轴承正常及故障状态下的特征样本并对优化后的神经网络进行训练。然后,使用训练完成的网络对各状态下的随机样本进行诊断测试,诊断结果表明,本文构建的神经网络系统与未优化的BP神经网络相比,可以更为准确地识别出滚动轴承的故障类型,误差降低约一个量级,与未改进的优化算法相比,所介绍的改进算法在保证精度的同时可以有效增加算法的优化效率,同时对强噪音环境下的缺陷具有更高的鉴别率,更高的实用价值。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社