文档介绍：基于RBF神经网络的故障诊断摘要:RBF神经网络即径向基函数神经网络(RadicalBasisFunction)。径向基函数神经网络是一种高效的前馈式神经网络,它具有其他前向网络所不具有的最佳逼近性能和全局最优特性,并且结构简单,训练速度快。同时,它也是一种可以广泛应用于模式识别、非线性函数逼近等领域的神经网络模型。利用Matlab神经网络工具箱对变速箱齿轮进行故障诊断仿真,并创建RBF神经网络与BP神经网络来进行故障诊断。通过对比诊断结果,证明RBF网络在诊断精度,诊断速度上均优于BP网络,说明RBF网络应用于齿轮的故障诊断准确、可靠,在机械故障诊断方面具有广泛的应用前景。关键词:神经网络;故障诊断;Matlab神经网络工具箱;RBF网络;引言由于汽车的特殊运行条件和运行环境,以及汽车行驶过程中经常性换档,:1.(1)异响的原因:①齿轮间隙过大;②轴承磨损松旷,③挂挡齿轮滑键槽与滑键轴磨损松旷;④轴承漏油或壳体漏油以致滑油减少,或变速箱底部放油堵脱落,以致滑油全部漏完,⑤金属小铁件混入变速箱体内;⑥滑油粘度不适当或品质不佳,⑦齿轮与轴的间隙过大以致松旷,⑧变速器与飞轮壳连接螺栓松动;⑨发动机与飞轮壳连接螺栓松动。2.①挂挡齿轮与被挂齿轮、套牙同套齿都在齿长方向磨成锥形或短缺;②闸叉锁止螺钉松脱,闸叉变形,叉部磨损;③闸轨凹槽磨损,定位钢球磨损,弹簧弹力减弱或折断,④轴承磨损松旷,⑤齿轮间隙过大。3.①滑油不够或不适 当,致使齿轮磨损,②变速箱内混有泥砂污物,致使齿轮磨 损,③中间轴变形;④中间轴轴承松旷,致使啮合各齿发生拢击,⑥第二轴常啮合齿轮滚针轴承碎裂或定位圈卡簧破 碎,甚至被轧入两啮合齿轮之间。据统计由齿轮失效引起的汽车变速箱故障占全部原因的10%。在这里齿轮失效的主要形式有齿根裂痕和弯曲疲劳引起的断齿等,因而随着汽车技术的发展,对变速箱实施故障诊断、特别是对齿轮的诊断变得尤为重要。齿轮是汽车行业主要的基础传动元件,通常每辆汽车中有18~30个齿部,齿轮的质量直接影响汽车的噪声、平稳性及使用寿命。齿轮加工机床是一种复杂的机床系统,是汽车行业的关键设备,世界上各汽车制造强国如美国、德国和日本等也是齿轮加工机床制造强国。据统计,我国80%以上的汽车齿轮由国产制齿装备加工完成。同时,汽车工业消费了60%以上的齿轮加工机床,汽车工业将一直是机床消费的主体。通过对常见故障的诊断和分析,可以及早发现故障和预防故障的进一步恶化。经过多年的发展,故障诊断技术的发展已进入到智能化阶段。目前,对汽车变速器齿轮故障诊断的实施方法有很多种,如磨损残余物分析诊断法、振动监测技术诊断法、声发射技术诊断法、光纤传感技术诊断法、人工神经网络技术诊断法等。 人工神经网络系统是由大量的、同时也是很简单的处理单元(或称神经元)广泛地互相连接而形成的复杂网络系统,因此,在智能化故障诊断技术领域里,人工神经网络技术的应用研究主要用于以下两个方面,一是从模式识别角度,应用具有感知器结构的神经网络模型或各种联想记忆模型实现征兆集到故障集之间的非线性特征映射关系;二是从专家系统的角度,建立基于神经网络的故障诊断专家系统。本文探索了神经网络技术在故障诊断中的应用,特别是对实践中难以建立数学模型的复杂系统,训练过的神经网络能存储有关过程的知识,能直接从历史故障信息中学****滤除噪声的能力使神经网络适合在线监测和诊断,具有分辨故障原因及类型的能力。近几年,RBF神经网络大量应用于机械故障诊断,如汽车发动机、压缩机、水轮机、内燃机等。在故障诊断的应用中,RBF神经网络的应用能准确、快速地判断故障类型和原因,对及早发现和排除故障发挥了很好的作用。在实际运行中,引起故障的原因很多,不同故障表现出的征兆有时具有相似性。针对故障原因与故障征兆之间的非线性关系,应用RBF神经网络进行故障诊断能准确、快速判断故障类型和原因,对于提高安全经济性具有重要的意义。本文提出了RBF网络应用于变速箱齿轮故障诊断的基本方法,利用Matlab神经网络工具箱对变速箱齿轮进行故障诊断仿真,并创建RBF神经网络来进行故障诊断。1神经网络故障诊断原理神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)和之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activationfunction)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。图1-1神经元模型结构如图所示