基于RBF-PF和粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)在齒輪箱故障診斷中的研究.pdf

1、齒輪傳動(dòng)是機(jī)械傳動(dòng)的主要形式。齒輪是機(jī)器的基礎(chǔ)件，其質(zhì)量、性能、壽命直接影響整個(gè)機(jī)器設(shè)備的技術(shù)經(jīng)濟(jì)指標(biāo)。齒輪箱在機(jī)械傳動(dòng)中的運(yùn)行工況一般較為復(fù)雜惡劣，齒輪箱在機(jī)械設(shè)備中非常容易出現(xiàn)機(jī)械故障。齒輪裂紋又是齒輪傳動(dòng)系統(tǒng)中最常出現(xiàn)的故障類(lèi)型之一。齒輪裂紋不易察覺(jué)并且危害極大。
　　故障診斷一般分為兩個(gè)部分：故障特征信號(hào)的提取和診斷分類(lèi)。在故障診斷的過(guò)程當(dāng)中由于故障振動(dòng)信號(hào)含有其它未知信號(hào)，不能夠直接獲取齒輪箱的故障振動(dòng)信號(hào)，需要對(duì)信號(hào)進(jìn)

2、行相應(yīng)的降噪預(yù)處理。粒子濾波算法是通過(guò)蒙特卡洛模擬進(jìn)而實(shí)現(xiàn)最優(yōu)貝葉斯估計(jì)的濾波方法，它的基本原理是通過(guò)樣本粒子來(lái)模擬系統(tǒng)模型并按時(shí)間順序向前傳播，由此得到各時(shí)刻對(duì)應(yīng)的系統(tǒng)狀態(tài)樣本，從而求得與系統(tǒng)近似的狀態(tài)后驗(yàn)概率密度函數(shù)。本文通過(guò)徑向基粒子濾波（ Particle Filter of Radial Basis Function）對(duì)提取的信號(hào)進(jìn)行濾波去噪，為后面的診斷分類(lèi)作預(yù)處理。徑向基粒子濾波消除了過(guò)程噪聲引起的估計(jì)誤差，提高了先驗(yàn)概率

3、密度分布估計(jì)精度，避免了粒子匱乏，使粒子濾波的性能得到了提升。
　　粒子群是利用粒子的合作與競(jìng)爭(zhēng)而逐步演變成的群體智能優(yōu)化方法[1]。針對(duì)具體的工程實(shí)際問(wèn)題的優(yōu)化，首先需要把實(shí)際工程問(wèn)題轉(zhuǎn)化為對(duì)應(yīng)的數(shù)學(xué)模型，然后初始化所涉及到的粒子群優(yōu)化算法的參數(shù)，提出該工程問(wèn)題的適應(yīng)值函數(shù)[2]。最后依據(jù)設(shè)定的適應(yīng)值函數(shù)的誤差精度評(píng)價(jià)優(yōu)化參數(shù)，選取滿(mǎn)足適應(yīng)值函數(shù)精度時(shí)數(shù)學(xué)模型的各個(gè)參數(shù)。帶有慣性因子的標(biāo)準(zhǔn)粒子群優(yōu)化算法搜索速度快、結(jié)構(gòu)簡(jiǎn)單、全局

4、與局部收斂能力強(qiáng)和易于實(shí)現(xiàn)的特點(diǎn)。粒子群優(yōu)化算法替代易陷入局部極小、收斂速度慢的梯度遞減法（也稱(chēng)BP算法）而得到粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[3]。它優(yōu)化了小波神經(jīng)網(wǎng)絡(luò)中的各個(gè)參數(shù)，在齒輪箱故障診斷實(shí)驗(yàn)中，該優(yōu)化算法減少了迭代次數(shù)、提高收斂精度，是小波神經(jīng)網(wǎng)絡(luò)的有效訓(xùn)練算法。
　　本文將徑向基粒子濾波與粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)相結(jié)合，在齒輪箱故障檢測(cè)的研究中，不但充分利用了徑向基粒子濾波良好的降噪效果和處理非高斯非線(xiàn)性系統(tǒng)的優(yōu)勢(shì)，