唐立力,陳國彬
(重慶工商大學 融智學院,重慶 401320)
滾動軸承作為農業機械的基礎配件,應用于柴油機、拖拉機、農用汽車、脫粒機及電動機等,其運行狀態是否正常往往直接影響整臺農業設備的工作狀態,對農業生產造成直接影響。滾動軸承一旦出現故障,將造成重大經濟損失。1995年12月14日,美國CNSE3號貨運列車因其機車牽引電動機電樞軸承突然發生重大故障而導致脫軌。2005年1月,國內某鋼廠粗軋機滾動軸承損壞,造成生產線非計劃停產檢修48h,直接經濟損失超過3 000萬元[1]。因此,對滾動軸承進行故障診斷將對農機的生產效率提供重要幫助。近年來,隨著人工智能技術的發展,利用已有的知識建立模型對滾動軸承進行故障診斷成為了研究熱點。BP神經網絡因其強大的非線性映射能力,在滾動軸承故障診斷中的應用效果良好[2],但BP神經網絡本身存在收斂速度慢、容易陷入局部極小點的問題,導致診斷精確度降低。因此,用其他智能方法去優化BP網絡,取長補短、優勢互補,其診斷精度會得到提高,如差分進化BP神經網絡[3]、遺傳優化BP神經網絡[4]、蟻群優化BP神經網絡[5]、混合蛙跳優化BP神經網絡[6]、免疫遺傳優化BP神經網絡[7],以及粒子群優化BP神經網絡[8]等。
近年來,利用思維進化算法(Mind Evolutionary Algorithm,MEA)優化BP神經網絡在故障診斷、預測、分類識別等方面得到了廣泛的應用[9-11]。本文首次將MEA優化BP神經網絡模型應用到農機滾動軸承故障診斷中,利用MEA的趨同和異化操作優化BP網絡的參數,即影響BP網絡診斷效率和精度的初始權值和閾值。……