人工神经网络及其在机械故障诊断中的应用 熊施园.pdfVIP

人工神经网络及其在机械故障诊断中的应用熊施园

摘要：机械设备的故障诊断主要是根据它在运行过程中出现的各种状态信息对

其故障进行分析与识别。人工神经网络具有大规模并行、分布式存储和处理、自

组织、自适应和学习能力，特别适用于处理需要同时考虑许多因素和条件的、不

精确和模糊的信息。本文主要分析了人工神经网络的基本原理，分析了BP神经

网络，探讨了人工神经网络在机械故障诊断中的应用步骤，最后分析了机械故障

诊断中的人工神经网络诊断应用。

关键词：人工；神经网络；机械；故障；诊断

随着科学技术的发展，现代化机械设备的工作强度不断增大，生产效率、自

动化程度越来越高，同时设备更加复杂，各部分的关联也更加紧密，某处微小故

障可能会导致整台设备乃至与设备有关的环境遭受灾难性的毁坏。近年来，设备

预防维修制度正逐步向设备预知维修制度过渡，与设备预防维修制度相比，预知

维修制度以振动监测与故障诊断技术为基础，可以做到及早发现故障，及时消除

故障隐患，防止故障的进一步发展，能预防和减少恶性事故的发生，保障人身和

设备安全；可以节省设备维修时间，增加设备运行时间，节约维修资金，进而提

高企业的生产率与经济效益，对单过程、单故障和渐发性故障的简单系统，传统

的诊断方法和诊断理论可以发挥较好的作用，但对多过程、多故障和突发性故障

以及复杂庞大、高度自动化的大型设备和系统就具有很大的局限性，将人工智能

的理论和方法应用于机械故障诊断，发展智能化的机械故障诊断技术，是机械故

障诊断的一个新的途径。

1人工神经网络的基本原理

人工神经网络由于具有独特优点即具有容错、联想、推测、记忆、自适应、

自学习和处理复杂多模式的功能。人工神经网络的研究是从人脑的生理结构出发

来研究人的智能行为，模拟人脑信息处理的功能。它是植根于神经科学、数学、

统计学、物理学、计算机科学及工程等学科的一门技术。人工神经网络是近年来

的热点研究领域，随着人们对大脑信息处理机理认识的深化以及人工神经网络智

能水平的提高，它必将在科学技术领域发挥更大的作用。

人工神经网络（ArtificialNeuralNetwork，ANN）称为神经网络，是由大量简

单的处理单元（称为神经元）广泛互联而成的网络，是对人脑的抽象、简化和模

拟，反映人脑的基本特性。

目前，在众多神经网络中前馈型神经网络因其良好的逼近能力和成熟的训练

方法得到了广泛的应用。

2BP神经网络分析

在机械设备故障诊断中应用最多的是BP（BackPropagation）神经网络模型。

它属于多层感知器MIP（multi-layerperceptron），网络结构由输入层、隐层（1

个或多个）和输出层组成，网络训练采用梯度下降法，按广义的8规则改变权

值．其学习过程采用误差反传（BackPropagation）算法，有较好的非线性映射能

力、泛化能力和容错能力。

神经网络是一个具有高度非线性的超大规模连续时间动力系统。是由大量的

处理单元（神经元）广泛互连而形成的网络。它是在现代神经科学研究成果的基

础上提出的，反映了脑功能的基本特征。但它并不是人脑的真实描写，而只是它

的某种抽象、简化与模拟。

网络的信息处理由神经元之间的相互作用来实现；知识与信息的存储表现为

网络元件互连间分布式的物理联系；网络的学习和计算决定于各神经元连接权系

的动态演化过程。因此神经元构成了网络的基本运算单元。每个神经元具有自己

的阈值。每个神经元的输人信号是所有与其相连的神经元的输出信号和加权后的

和。而输出信号是其净输入信号的非线性函数。如果输人信号的加权集合高于其

阈值，该神经元便被激活而输出相应的值。在人工神经网络中所存储的是单元之

间连接的加权值阵列。根据网络的拓扑结构和学习规则可将人工神经网络分为多

种类型，如不含反馈的前向神经网络、层内有相互结合的前向网络、反馈网络。

人工神经网络模型是采用BP算法的多层前向网络。

当然，还有径向基函数网络（RBF-NN），概率神经网络（PNN），学习矢量

量化网络（LVQ），模糊神经网络（FNN）以及小波神经网络等人工神经网络。

3人工神经网络在机械故障诊断中的应用步骤

人工神经网络故障诊断的一般步骤如下：

（1）通过信号监测和分析，抽取反映被检测对象（设备部件或零