基于动态学习率与BP神经网络的变速箱故障诊断研究

发布时间：2019-07-30 10:58

【摘要】：变速箱是汽车传动系的重要组成部分,因此对变速箱常见故障类型进行诊断研究很有必要。以四种变速箱常见故障类型为研究对象,利用动态学习率对BP神经网络进行改良,建立了变速箱故障诊断网络模型。通过测量并提取已发生故障的信号特征参数,收集大量信息数据作为已知样本来训练某状态下的神经网络,再用其它转速下变速箱故障数据对网络进行验证。对于学习率的恰当改变可以提升网络的速度和稳态性。诊断结果表明,网络模型通过对已知故障数据样本的学习,实现了对变速箱未知故障的诊断。
【图文】：

输入层隐藏层输出层npqx1x2xny1y2yq图1BP神经网络分层结构Fig.1HierarchicalStructureofBPNeuralNetwork正向传播过程：设BP网络的结构为：输入层有n个节点，隐含层有p个节点，输出层有q个节点。定义如下变量：输入向量x=（x1，x2，…，xn）；隐含层输入向量hi=（hi1，hi2，…，hip）；隐含层输出向量ho=（ho1，ho2，…，hop）；输出层输入向量yi=（yi1，yi2，…，yiq）；输出层输出向量yo=（yo1，yo2，…，yoq）；期望输出向量d0=（d1，d2，…，，dq）。设输入层与隐藏层之间的权值为wih，隐藏层与输出层之间的权值为who.[3]隐藏层各神经元的阈值为bh，输出层各神经元的阈值为bo。样本数据个数：k=1，2，3，…m。激活函数为（f·）。误差函数为：e=12qo=1Σ（d0（k）-yo0（k））2（1）正向传播过程：hoh（k）=（fni=1Σwihxi（k）-bh）（2）式中：h=1，2，…，p；输出层节点的输出为：yo0（k）=（fph=1Σwhohoh（k）-b0）（3）式中：o=1，2，…q。反向传播过程：输出层和隐含层各神经元第N步权值到第（N+1）步权值的调整公式为：wN+1ho=wNho+ηδ0（k）hoh（k）（4）式中：δ0（k）—误差函数对输出层各神经元的偏导数。δ0（k）=（d0（k）-yo0（k））f（′yi0（k））（5）式中：η—反应学习效率的量。隐含层和输入层各神经元第N步权值到第（N+1）步权值的调整公式为：wN+1ih=wNih+ηδh（k）xi（k）（6）式中：δh（k）—误差函数对隐含层各神经元的偏导数。?
【作者单位】：武汉理工大学机电工程学院;
【基金】：校企合作基金项目资助(01W-911-010-OROB)
【分类号】：TP183;U472.9

【相似文献】