改进BP神经网络的滚珠丝杆故障诊断研究

发布时间：2022-07-16 18:28

　　鉴于数控加工机床、精密仪器等领域对滚珠丝杠功能需求、安全可靠性以及市场竞争需求日益提升的现状,对滚珠丝杆常见故障类型进行诊断研究具有重要的应用价值和指导意义。通过分析滚珠丝杆常见故障类型与原因,以其中四种故障类型为研究对象,引入自适应学习率和动量附加项因子的方法改进BP神经网络,提高网络系统的收敛速度和稳定性,并建立滚珠丝杆故障诊断网络模型。通过对不同故障类型的滚珠丝杆进行测试试验,提取发生故障的振动信号特征参数,将测试样本数据用于BP神经网络训练,并用未知故障滚珠丝杠的测试数据进行故障类型诊断。试验结果表明,该改进算法可以准确地诊断出未知滚珠丝杠故障类型;且单一样本类型故障类型诊断概率均高于90%,有效地避免故障类型误判,为解决其故障问题提供理论依据。 

【文章页数】：4 页

【文章目录】：
1 引言
2 滚珠丝杆失效分析
3 BP神经网络原理及优化
    3.1 BP神经网络原理
    3.2 BP神经网络的算法优化
        3.2.1 自适应学习率的算法优化
        3.2.2 附加动量项的算法优化
4 测试试验建立与分析
5 算法建立与分析
    5.1 特征参数与故障类型
    5.2 神经网络结构
    5.3 初始权值与阈值
    5.4 训练样本与规范化
    5.5 神经网络训练
    5.6 神经网络诊断
6 结论


【参考文献】：
期刊论文
[1]自适应因子神经网络的变压器故障诊断研究[J]. 代艳霞,王洪益,伍倪燕.  机械设计与制造. 2017(07)
[2]间隙和刚度对数控机床伺服进给系统精度影响[J]. 康文龙,张伟,李岩.  辽宁工程技术大学学报(自然科学版). 2016(03)
[3]实心/空心高速滚珠丝杠轴承副热变形研究[J]. 韩军,张玲聪,李明亚.  机械设计与制造. 2015(06)
[4]基于改进EMD和谱峭度法滚动轴承故障特征提取[J]. 张志刚,石晓辉,施全,汤宝平.  振动.测试与诊断. 2013(03)
[5]数控设备典型传动部件失效分析及维修[J]. 田萍.  设备管理与维修. 2012(06)



本文编号：3663041