基于混合蛙跳优化神经网络的轴承故障诊断研究

发布时间：2018-05-31 06:55

  本文选题：滚动轴承 + 混合蛙跳算法　； 参考：《机械传动》2017年05期

【摘要】：以滚动轴承故障诊断为课题研究背景,以JZQ250型号传动箱为实验对象,将混合蛙跳算法与BP神经网络进行结合,利用混合蛙跳算法高效的计算性能和优良的全局搜索能力,对BP神经网络的网络结构进行优化。通过对比发现,混合蛙跳算法优化后的BP神经网络模型,可避免BP神经网络在训练中陷入局部最优,减短训练时间,提高训练准确度,具有较高收敛速度和准确诊断能力。通过一系列训练和测试,结果表明,这种方法能够提高诊断的可靠性和准确性。
[Abstract]:Taking the rolling bearing fault diagnosis as the research background, taking the JZQ250 transmission box as the experimental object, the hybrid leapfrog algorithm is combined with the BP neural network, and the hybrid leapfrog algorithm is used for efficient calculation and excellent global search ability. The network structure of BP neural network is optimized. It is found by comparison that the BP neural network model optimized by the hybrid leapfrog algorithm can avoid the BP neural network falling into the local optimum in the training, shorten the training time, improve the training accuracy, and have higher convergence speed and accurate diagnosis ability. Through a series of training and testing, the results show that this method can improve the reliability and accuracy of diagnosis.
【作者单位】： 中北大学机械与动力工程学院;临汾职业技术学院;先进制造技术山西省重点实验室;
【基金】：山西省重点实验室开放基金(XJZZ201601-06)
【分类号】：TH133.33

【相似文献】

相关期刊论文 前10条

1 唐贵基;杨玉婧;宋彩萌;;基于神经网络的旋转机械振动故障诊断[J];机械工程师;2012年01期

2 栾美洁;许飞云;贾民平;;旋转机械故障诊断的神经网络方法研究[J];噪声与振动控制;2008年01期

3 高强;钱林方;侯远龙;王力;;泵控缸电液位置伺服系统的神经网络模型参考自适应控制[J];机床与液压;2008年06期

4 徐小力;左云波;吴国新;;量子神经网络在旋转机组状态趋势预测中的应用[J];机械强度;2010年04期

5 何文;同淑荣;王克勤;;基于神经网络的质量控制图异常诊断[J];机械制造;2013年05期

6 许宁,黄之初;神经网络在旋转机械故障诊断中的应用研究[J];矿山机械;2005年08期

7 宋文杰;刘伯峰;王平;姜冰;;基于小波—神经网络的故障劣化趋势检测[J];职大学报(自然科学版);2006年02期

8 王志涛;肖明清;谢化勇;禚真福;薛辉辉;;基于神经网络的故障诊断效能模糊综合评价研究[J];计算机测量与控制;2011年12期

9 戴中浩;林琼;王秋成;;基于神经网络的再制造自动变速箱检测及试验研究[J];机械制造;2012年01期

10 何存富;杨申;刘增华;焦敬品;宋国荣;吴斌;;基于神经网络技术的管道机电阻抗健康状况定量评估研究[J];实验力学;2013年01期

相关会议论文 前9条

1 杜福银;封其勃;;一种基于Hopfield神经网络作业车间调度问题的优化方法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

2 宋国明;王厚军;姜书艳;刘红;;基于神经网络的融合智能诊断方法在模拟电路故障诊断中的应用[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 宋轶民;余跃庆;张策;马文贵;;基于神经网络的机敏机构振动自校正控制[A];第十二届全国机构学学术研讨会论文集[C];2000年

4 吴洪民;;气动伺服定位系统的神经网络模糊自适应PID控制[A];第一届全国流体动力及控制工程学术会议论文集（第二卷）[C];2000年

5 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];液压与气动学术研讨会论文集[C];2004年

6 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];第三届全国流体传动及控制工程学术会议论文集（第三卷）[C];2004年

7 曹春红;张斌;王利民;李文辉;;基于免疫神经网络的几何约束求解技术的研究[A];第二十七届中国控制会议论文集[C];2008年

8 谢进;阎开印;陈永;;神经网络技术在平面机构综合中的应用[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（下册）[C];2002年

9 徐志方;贺小明;张传维;沈路;;集成神经网络信息融合技术在给水泵故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

相关硕士学位论文 前10条

1 王栗;面向电机轴承的快速故障诊断方法研究[D];沈阳理工大学;2015年

2 于会超;机械触觉机构及控制的研究与应用[D];华北理工大学;2015年

3 李捷;基于神经网络的轴承故障诊断技术研究[D];电子科技大学;2015年

4 宋银芳;桥式起重机故障分析与故障率预测方法研究[D];安徽理工大学;2016年

5 高芮;基于神经网络的机械故障诊断技术的研究[D];青岛科技大学;2016年

6 程翔;基于神经网络的轮带系统横向振动的变结构控制[D];福州大学;2014年

7 庞艳艳;基于选择性神经网络的故障诊断研究[D];华中科技大学;2014年

8 徐铭志;基于神经网络PID的金属带式无级变速器速比控制研究[D];燕山大学;2016年

9 齐放;基于极限学习机的设备故障预测方法及应用研究[D];北京化工大学;2016年

10 尤海鑫;BP神经网络与模糊逻辑在智能故障诊断中的应用[D];大连交通大学;2014年

，

本文编号：1958722