改进dynFWA优化BP神经网络在加工中心主轴故障诊断中的应用

发布时间：2022-01-11 23:21

　　针对目前加工中心（Machining Center,MC）主轴故障诊断多为人工经验完成,且故障诊断精度和识别率低等问题,提出基于改进的动态搜索烟花算法（dynamic search fireworks algorithm,dynFWA）优化BP神经网络（Neural Network,NN）的加工中心主轴故障诊断方法。将改进的动态搜索烟花算法优化BP神经网络的初始权值和阈值,建立改进dynFWA-BP神经网络模式分类方法。将提出的模式分类方法应用于MC主轴故障诊断中,使得提取的主轴故障特征与主轴工作状况有着非线性映射关系。最后,采用VMC650E主轴故障数据进行验证,证明所提出的故障诊断方法在故障诊断精度、故障识别率方面明显优于BP神经网络、GA-BP神经网络和PSO-BP神经网络。 

【文章来源】：噪声与振动控制. 2020,40(03)CSCD

【文章页数】：8 页

【文章目录】：
1 改进dynFWA-BP神经网络模型
    1.1 动态搜索烟花算法
    1.2 改进动态搜索烟花算法
    1.3 BP神经网络结构
    1.4 编码形式
    1.5 改进dynFWA-BP神经网络分类模型
2 MC主轴故障诊断建模与验证
    2.1 MC主轴故障数据源
    2.2 故障数据预处理与特征提取
    2.3 基于改进dynFWA-BP神经网络的MC主轴故障诊断建模与验证
3 结语


【参考文献】：
期刊论文
[1]蝙蝠算法优化模糊神经网络的25Hz相敏轨道电路故障诊断研究[J]. 郑云水,牛行通,康毅军.  铁道学报. 2018(12)
[2]基于GA-BP神经网络的列控车载设备故障诊断方法研究[J]. 周璐婕,董昱.  铁道科学与工程学报. 2018(12)
[3]改进烟花算法和概率神经网络智能诊断齿轮箱故障[J]. 陈如清,李嘉春,尚涛,张俊.  农业工程学报. 2018(17)
[4]小波降噪及Hilbert变换在电机轴承故障诊断中的应用[J]. 丁锋,秦峰伟.  电机与控制学报. 2017(06)
[5]具有学习因子的动态搜索烟花算法[J]. 方柳平,汪继文,邱剑锋,朱林波,苏守宝.  计算机科学与探索. 2017(03)
[6]烟花算法研究进展[J]. 谭营,郑少秋.  智能系统学报. 2014(05)
[7]基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法[J]. 龙泉,刘永前,杨勇平.  太阳能学报. 2012(01)
[8]基于PCA和BP网络的液压油缸内泄漏故障诊断[J]. 唐宏宾,吴运新,滑广军,马昌训.  中南大学学报(自然科学版). 2011(12)
[9]基于小波包分析的数控机床主轴滚动轴承故障诊断[J]. 陈牧野,何亚飞.  上海第二工业大学学报. 2010(02)



本文编号：3583637