發(fā)布時(shí)間：2022-01-11 23:21

　　針對(duì)目前加工中心（Machining Center,MC）主軸故障診斷多為人工經(jīng)驗(yàn)完成,且故障診斷精度和識(shí)別率低等問(wèn)題,提出基于改進(jìn)的動(dòng)態(tài)搜索煙花算法（dynamic search fireworks algorithm,dynFWA）優(yōu)化BP神經(jīng)網(wǎng)絡(luò)（Neural Network,NN）的加工中心主軸故障診斷方法。將改進(jìn)的動(dòng)態(tài)搜索煙花算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,建立改進(jìn)dynFWA-BP神經(jīng)網(wǎng)絡(luò)模式分類方法。將提出的模式分類方法應(yīng)用于MC主軸故障診斷中,使得提取的主軸故障特征與主軸工作狀況有著非線性映射關(guān)系。最后,采用VMC650E主軸故障數(shù)據(jù)進(jìn)行驗(yàn)證,證明所提出的故障診斷方法在故障診斷精度、故障識(shí)別率方面明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)、GA-BP神經(jīng)網(wǎng)絡(luò)和PSO-BP神經(jīng)網(wǎng)絡(luò)。 

【文章來(lái)源】：噪聲與振動(dòng)控制. 2020,40(03)CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 改進(jìn)dynFWA-BP神經(jīng)網(wǎng)絡(luò)模型
    1.1 動(dòng)態(tài)搜索煙花算法
    1.2 改進(jìn)動(dòng)態(tài)搜索煙花算法
    1.3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    1.4 編碼形式
    1.5 改進(jìn)dynFWA-BP神經(jīng)網(wǎng)絡(luò)分類模型
2 MC主軸故障診斷建模與驗(yàn)證
    2.1 MC主軸故障數(shù)據(jù)源
    2.2 故障數(shù)據(jù)預(yù)處理與特征提取
    2.3 基于改進(jìn)dynFWA-BP神經(jīng)網(wǎng)絡(luò)的MC主軸故障診斷建模與驗(yàn)證
3 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]蝙蝠算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的25Hz相敏軌道電路故障診斷研究[J]. 鄭云水,牛行通,康毅軍.  鐵道學(xué)報(bào). 2018(12)
[2]基于GA-BP神經(jīng)網(wǎng)絡(luò)的列控車載設(shè)備故障診斷方法研究[J]. 周璐婕,董昱.  鐵道科學(xué)與工程學(xué)報(bào). 2018(12)
[3]改進(jìn)煙花算法和概率神經(jīng)網(wǎng)絡(luò)智能診斷齒輪箱故障[J]. 陳如清,李嘉春,尚濤,張俊.  農(nóng)業(yè)工程學(xué)報(bào). 2018(17)
[4]小波降噪及Hilbert變換在電機(jī)軸承故障診斷中的應(yīng)用[J]. 丁鋒,秦峰偉.  電機(jī)與控制學(xué)報(bào). 2017(06)
[5]具有學(xué)習(xí)因子的動(dòng)態(tài)搜索煙花算法[J]. 方柳平,汪繼文,邱劍鋒,朱林波,蘇守寶.  計(jì)算機(jī)科學(xué)與探索. 2017(03)
[6]煙花算法研究進(jìn)展[J]. 譚營(yíng),鄭少秋.  智能系統(tǒng)學(xué)報(bào). 2014(05)
[7]基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障診斷方法[J]. 龍泉,劉永前,楊勇平.  太陽(yáng)能學(xué)報(bào). 2012(01)
[8]基于PCA和BP網(wǎng)絡(luò)的液壓油缸內(nèi)泄漏故障診斷[J]. 唐宏賓,吳運(yùn)新,滑廣軍,馬昌訓(xùn).  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(12)
[9]基于小波包分析的數(shù)控機(jī)床主軸滾動(dòng)軸承故障診斷[J]. 陳牧野,何亞飛.  上海第二工業(yè)大學(xué)學(xué)報(bào). 2010(02)



本文編號(hào)：3583637