.612. 北京科技大学学报 1993年No.6 为隐层单元数：S为训练样本数。 图1为用于轴承故障诊断的BP网络拓扑结构，将反映轴承运行状态的n个特征参数x 作为BP神经网络的输人，将轴承的m种故障模式y,作为BP网络的输出，确定合适的隐层 数及隐层单元数，根据给定的训练样本集S对网络进行训练，即可建立反映X,和y,内在联 系的数学模型。 1.3基于神经网络轴承诊断方法的实施步骤 (1）根据诊断问题的具体要求和经验确定BP网络诊断模型的结构，包括输入单元数、 输出单元数、隐层单元数及学习参数； (2)采集设备运行状态信号，提取特征参数： (3)根据建立模型的要求和经验对提取的特征参数进行预处理； (4)确定训练样本模式集，较多的训练样本有助于提高建模精度，但太多的样本将增 长训练时间； (5)根据BP网络学习算法对模型进行训练，使模型输出和实际目标输出的误差平方 和足够小。建立模型PP,训练过程中需合理选取学习率”和动量因子x; (6)模型应用：应用建立的诊断模型PP对轴承的运行状态进行诊断，采集运行状态信 号，输人与训练样本集模式相一致的诊断样本集，得到诊断结果； (7)诊断结果评价： E=(R-R (8) 诊断误差用上式表示，共有m个输出值，PP为模型输出值，P为实际输出值。 2基于神经网络轴承故障诊断方法的应用 用于轴承故障诊断的BP网络为3层网络，输出层单元数为7。对应轴承监测系统的7个 诊断特征量，分别是通道特征值N。、峰值M、有效值R,峭度K、轴承外圈、内图 和滚动体特征频率幅值Vo、V、V。输出层单元数为5，分别对应故障位置C、有无故障 F、外圈故障F。、内圈故障F和滚动体故障F。对所有的输人输出值运用模糊数学方法和 诊断规则进行归一化处理，使其取值范围属于【0,1】区间。隐层数可选为1层或两层， 单元数选10左右。 下面给出一组应用实例。该例为7608E圆锥轴承滚动体裂纹在线监测得到的实验数据， 经归一化后的8个学习样本见表1，训练时采用的神经网络结构为(7,8,8,5,8)，输人单元数 为7，输出单元数为5，隐层数为2，隐层单元数均为8，训练样本数为8。学习速率”为0.9， 动量因子x为0.7，迭代次数为9914次，训练误差为0.00001。 将采集的振动信号输人已学习好的BP网络后输出的诊断结果见表2，可看出BP网络对 轴承有无故障、故障位置、故障程度和故障类型等均有较强的诊断能力。6 12 北 京 科 技 大 学 学 报 l 卯3 年 刊6 . 6 为隐层单 元数 ; S 为 训练样本 数 。 图 1 为用于轴 承故障诊 断的 B P 网络 拓扑 结构 , 将反 映轴 承 运 行 状 态 的 枕 个 特征 参数 xj 作为 B P 神经 网 络的输 人 , 将轴承 的 m 种故 障模式 又 作 为 B P 网络的输 出 , 确定 合 适的 隐层 数及 隐层单 元数 , 根 据 给定 的 训练样本集 S 对网 络进行训 练 , 即 可 建 立 反 映 戈 和 y ` 内在联 系的 数学模型 。 1 . 3 基于 神经网络轴 承诊断方法 的实施步骤 ( l) 根 据诊断 问题的具 体要 求 和经验 确 定 B P 网 络诊 断模型 的结 构 , 包括 愉人 单元 数 、 输出单 元 数 、 隐层单元 数及 学 习参数 ; ( 2) 采集 设备运 行 状态信号 , 提 取 特征参数 ; ( 3) 根 据建立模 型 的要 求 和经验 对提 取 的特 征参数进行 预处理 ; ( 4) 确定 训练样本模式 集 , 较 多的训 练样 本 有 助 于 提 高 建 模 精度 , 但 太 多的 样 本 将增 长训练 时 间 ; ( 5 ) 根 据 B P 网 络学 习 算法 对模型进 行 训练 , 使模型 输 出和 实 际 目标 输 出的 误差 平 方 和足够 小 . 建 立模型 尸尸 , 训 练过 程 中需 合理 选取学 习率 叮 和 动量 因子 叫 ( 6) 模 型应 用 : 应 用建立 的诊 断 模型 P 对轴承 的运行 状态进行 诊 断 , 采集运 行状 态信 号 , 输入 与训 练样本集 模式相 一致 的诊断样本集 , 得到 诊 断结果 ; ( 7 ) 诊 断 结果评价 : E 一 女客 ( 只一 职 丫 ( 8 ) 诊断误差 用上 式表示 , 共 有 。 个输 出值 , 咫 为模型输出值 , 只为实际输出值 。 2 基于 神经网 络轴承 故障诊断方法 的应用 用于 轴承 故 障诊断的 B P 网络 为 3 层 网络 , 输出层 单元 数 为 7 . 对应轴 承监 测 系 统 的 7 个 诊断特征量 , 分 别是 通道 特 征 值 从 、 峰 值 从 “ 、 有 效值 mR 、 、 峭 度 凡 r t 、 轴 承外 圈 、 内圈 和滚 动 体特征 频率 幅 值 桥 。 、 坑 、 蛛 。 输 出层单元数 为 5 , 分 别 对应故 障位置 C 、 、 有 无 故 障 F 、 外 圈故 障 oF 、 内圈故 障 F 、 和滚 动体故 障 氏 。 对所 有 的输 入输 出值 运 用模 糊 数学 方法 和 诊 断规 则进行 归一 化 处理 , 使其 取 值 范 围属 于 【O , l] 区 间 。 隐 层 数 可 选 为 1 层 或 两 层 , 单元数选 10 左右 。 下 面 给 出一组 应 用实 例 。 该 例 为 7 60 8 E 圆锥轴承 滚 动 体 裂纹在 线 监 测 得 到 的 实 验 数 据 , 经归一 化后的 8 个学 习样本 见 表 l , 训练 时采用 的神经 网 络 结构 为 ( 7 , 8 , 8 , 5 , 8) , 输 人单元 数 为 7 , 输 出单 元数 为 5 , 隐层 数为 2 , 隐层单 元数均 为 8 , 训 练样 本数 为 8 。 学 习速率 叮为 0 . 9, 动 量因 子 戊 为 0 . 7 , 迭 代 次数 为 9 91 4 次 , 训练误差 为 0 . 《X幻 01 . 将 采集 的振 动信号输 人 已 学 习 好 的 B P 网络后 输 出的诊 断 结果 见表 2 , 可看 出 B P 网络 对 轴 承有 无 故 障 、 故障位置 、 故 障程度 和故 障类型 等均有 较强 的诊断能 力