基于BP优化DBN算法的数控锻床传动主轴故障识别_薄青红.pdf
《基于BP优化DBN算法的数控锻床传动主轴故障识别_薄青红.pdf》由会员分享,可在线阅读,更多相关《基于BP优化DBN算法的数控锻床传动主轴故障识别_薄青红.pdf(3页珍藏版)》请在咨信网上搜索。
1、第1期2 0 2 3年2 月石河子科技中图分类号:TH133文献标识码:B文章编号:1008-0899(2023)02-0059-03高速数控锻床已经成为当前加密各类精密机械部件的重要设备,对于各国工业化水平起到了关键作用1-2。如何提高机床控制精度并达到更高生产效率也获得了越来越多研究人员的关注,其中最关键的因素确保传动主轴可以保持稳定、安全工作状态。针对传动主轴运行过程开展故障检测分析,提早识别故障类型是预防机械故障与确保整体设备安全性的一项重要研究内容3-4。深度置信网络属于一类典型深度学习算法,非常适合进行设备故障识别分析,根据DBN理论诊断飞机发动机运行故障,由此判断飞机发动机的运行
2、性能5。黄续芳等6设计了一种以DBN融合后构建的新算法,对于工业大型发电机组故障识别方面获得了更高故障识别精度,从而更准确预测设备潜在运行问题。本文在DBN基础上经过优化后再将其用于诊断传动主轴故障,此方法是通过建立新激活函数来消除神经网络对于反向传播产生的梯度缺陷。1DBN方法深度置信网络(DBN)中包含多层受限玻尔兹曼机(RBM),并在外层设置反向传播网络(BP),如图1所示7。图1DBN结构示意图假定RBM结构包含可视层神经元数量为n,隐藏层神经元数量为m,以=(1,2,)与=(1,2,)表示可视层与隐藏层的神经元集合,构建得到以下的RBM能量函数:其中,=,;表示可视层与隐藏层之间的连
3、接权值;表示隐藏层偏置参数。设定与联合分布如下:由于RBM具备层间全连接与层内无连接特征,因此可通过联合分布方式计算出与条件概率。正向阶段中由可视层获得隐藏层的概率如下:进入反向重构阶段后,由隐藏层获得可视层的概率如下:通过DBN训练来实现DBN故障识别优化并确基于BP优化DBN算法的数控锻床传动主轴故障识别(郑州电力职业技术学院,机电工程系,河南郑州市,451450)薄青红摘要滚动轴承实际运行阶段受到多种外部因素干扰,使得监测数据中含有多种工况的复杂故障信号,可以通过DBN模型的特征自适应提取性能从复杂信号中提取出故障参数。为了解决处理更深层次神经网络会导致时间明显增加现象,在DBN基础上经
4、过优化后再将其用于诊断传动主轴故障,此方法是通过建立新激活函数来消除神经网络对于反向传播产生的梯度缺陷,实现了故障识别准确率的明显提升,具备显著优势。关键词传动主轴;滚动轴承;特征提取;深度置信网络;激活函数;故障识别作者简介:薄青红(1987),女,汉,河南扶沟人,本科,讲师,研究方向:机械设计。-59石河子科技总第2 6 7期定最优、,由此获得最低能量误差的RBM,从而达到稳定状态。为缩短RBM网络训练时间并减小震荡幅度,本实验根据权值动量建立RBM加速学习模型,同时运用权值动量和算法实现参数的优化。进行反向微调时通过以下式子对参数进行更新:将DBN的预训练过程理解成调整各层RBM权值的过
5、程,但不能确保获得最优的全局DBN参数。可以选择BP算法微调网络,由此得到全局最优网络参数。在上述过程中结合具体误差对RBM层参数进行调节,由此实现DBN的整体微调功能,实现DBN故障识别性能的显著提升。2基于DBN的传动主轴故障识别通过发挥DBN优势并结合滚动轴承运行参数特征,采用DBN算法诊断传动主轴的运行故障,图2给出了传动主轴故障的具体诊断流程。图2传动主轴故障识别流程图DBN故障识别流程,以DBN模型对传动主轴进行故障识别的流程如下8:对各工况的传动主轴滚动轴承进行振动信号采集,再对其经验模态分解获得IMF分量,通过EMD阈值对IMF分量进行降噪,再重构上述IMF分量,由此获得降噪信
6、号。接着通过傅里叶转换与归一化方法构建训练集与测试集;DBN参数初始化,图2给出了设定的权值、隐藏层、偏置参数以及各层包含的神经元数与学习率;数据预训练,先在DBN中输入训练集数据,根据吉布斯采样原理,通过输入层v确定隐藏层h,再通过反向重构隐藏层h的方式建立输入层v,再以反向重构输入层的方式确定隐藏层h,按照上述方式重复处理后直到完成所有RBM层的训练;利用监督BP算法对全局DBN进行反向微调;采用训练后的DBN诊断传动主轴故障,同时利用softmax分类器识别输入故障。3实验分析3.1数据集选取本实验选择轴承数据集作为测试参数。此数据集中包括电火花对轴承外圈、内圈、滚珠部位产生的故障,同时
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 BP 优化 DBN 算法 数控 传动 主轴 故障 识别 薄青红
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。