基于粒子群優(yōu)化神經網絡的齒輪箱故障診斷研究.pdf

1、粒子群優(yōu)化算法是基于群體智能理論的一種優(yōu)化算法，通過種群粒子間的合作與競爭產生的群體智能來指導優(yōu)化搜索。它可用于求解大部分的優(yōu)化問題，并在工程實踐中表現(xiàn)出巨大潛力，現(xiàn)已廣泛應用于神經網絡、模糊系統(tǒng)控制等多個領域。 本文介紹了粒子群優(yōu)化算法的基本原理，通過對粒子速度進化方程的分析，研究算法本身的社會行為，并將粒子群的尋優(yōu)視為一個動態(tài)系統(tǒng)的演變，采用線性離散時間系統(tǒng)的分析方法對粒子群優(yōu)化算法的確定性行為進行分析，導出了簡化版本粒子群

2、優(yōu)化算法的收斂性條件。在分析神經網絡的學習方式和泛化能力的基礎上，應用C++語言實現(xiàn)了粒子群優(yōu)化神經網絡的程序。 深入分析齒輪箱故障振動機理，研究齒輪和軸承的常見故障形式以及產生的原因，選出了需要提取的信號特征值。以JZQ250型號齒輪箱為實驗對象，設計齒輪箱故障診斷實驗方案、測取傳動箱振動信號，提取反映齒輪箱運轉特征信息的特征值，應用這些值訓練粒子群優(yōu)化的神經網絡，然后把此網絡應用在實際的齒輪箱故障診斷上，實驗結果表明效果良好