最優隱層BP神經網絡的滾動軸承故障診斷

唐立力

（重慶工商大學 融智學院，重慶 400033）

0 引言

滾動軸承是機械設備中最常用的部件，被人們稱為機械的關節。它具有效率高、摩擦阻力小、裝配方便、潤滑易實現等優點，因此在旋轉機械上應用非常普遍，且起著關鍵作用。目前，利用計算機自動進行滾動軸承故障的智能診斷已經成為未來的發展方向。人工神經網絡理論作為滾動軸承故障的重要診斷方法已經取得了長足的進步，BP神經網絡對滾動軸承的故障診斷具有很好的效果［1－4］，但是對隱層神經元個數的確定主要還是依靠經驗公式，不容易得到最優個數。

本文以某石油鉆井的絞車及傳動機組滾動軸承為例，設計了一種基于BP神經網絡的故障自動識別方法，通過計算平均迭代次數和均方誤差的近似值來確定最優隱層單元數。仿真結果表明，診斷效率和準確度都很高。

1 滾動軸承特征參數的提取

選取某型減速器的主動軸滾動軸承的4個特征參數：均方根植、峭度、諧波指標和SQ參數［5］組成BP神經網絡的輸入樣本向量。

軸承狀態主要分為正常、保持架損壞、滾珠點蝕、內圈點蝕、外圈裂紋5大類，其中外圈裂紋還可細分為外圈嚴重裂紋、外圈較輕裂紋、外圈微裂紋3小類。將這5類軸承狀態作為BP神經網絡所要診斷的故障。

2 BP神經網絡初始結構的確定

模型采用3層BP神經網絡，輸入層為4個節點，對應于均方根植、峭度、諧波指標和SQ參數4個特征參數。

初始隱層單元數的確定采用如下經驗公式［6］：

其中：m為隱層節點數；……