[發明專利]基于LMD及改進PSO優化BP神經網絡的軸承故障診斷方法

在審

• 申請號: 202010793225.2
• 申請日: 2020-08-08
• 公開（公告）號: CN112014108A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 石海明;高明亮;于闖;高珊
• 申請（專利權）人: 中車長春軌道客車股份有限公司
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06K9/00;G06K9/46;G06K9/62;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 長春眾益專利商標事務所(普通合伙) 22211
• 代理人: 余巖

1.一種基于LMD及改進PSO優化BP神經網絡的軸承故障診斷方法，其特征在于包括下列步驟：

第一步、獲取原始軸承的振動信號，進行降噪處理；

第二步、對降噪信號進行LMD分解，計算方差貢獻率在99％的PF分量，并計算其能量熵，結合時域特征組成改進PSO_BP的輸入向量；

第三步、將輸入向量輸入到改進PSO_BP的神經網絡中進行訓練，并將測試數據輸入到訓練好的模型中，得到輸出故障分類參數；

第四步、對輸出參數進行結果分析。

2.根據權利要求1所述的一種基于LMD及改進PSO優化BP神經網絡的軸承故障診斷方法，其特征在于改進PSO_BP算法的實現步驟如下：

①確定適應度閾值ω、最大允許迭代步數G_max、c1＝c2＝1.495、搜索范圍[-x_max,x_max]、最大速度v_max，并根據網絡規格確定粒子數；

②根據粒子組的大小，隨機產生有限個體x_i組成整個群體，其中不同的個體在一組神經網絡中具有不同的權值；

③計算各粒子的適應度值；

④比較適應度，確定每個粒子的當前最好適應度L_best及全局最好適應度P_best并確定慣性權重w；

⑤若P_bestw或運行次數大于G_max，則停止，該粒子的位子即為所求；

⑥更新每個粒子的位置及速度，并考慮他們是否在限定的范圍內，若v_ij(t+1)＜-v_maxx_ij(t+1)＝G_max，則v_ij(t+1)＝-v_max；若v_ij(t+1)＞v_max，則v_ij(t+1)＝v_max；若x_ij(t+1)＜-x_max，則x_ij(t+1)＝-x_max；若x_ij(t+1)＞x_max，則x_ij(t+1)＝x_max；

⑦返回步驟③。

3.根據權利要求1所述的一種基于LMD及改進PSO優化BP神經網絡的軸承故障診斷方法，其特征在于：BP神經網絡結構由三層感知器組成，分別是輸入感知器，隱層感知器以及輸出感知器，其誤差是由輸出層傳遞到隱層再到輸入層，通過誤差與設置的學習率相結合能夠得到最優權重。

4.根據權利要求1所述的一種基于LMD及改進PSO優化BP神經網絡的軸承故障診斷方法，其特征在于BP神經網絡的學習過程包括以下兩個步驟：

第一步是將輸入參數通過輸入感知器傳輸到隱層再到輸出感知器的一個正向過程，其中在傳播過程中會與之前定義在網絡結構中的權值和閾值相比較，從而得到每層的輸出結果；

第二步是反向傳播的過程，計算實際輸出和預期輸出之間的差異，其中每一層被修改以最小化錯誤信號；

這兩個過程在收斂之前交替進行，算法被描述為一種誤差反向傳播算法，因為誤差在各層中反饋以校正各層之間的加權系數和閾值。

5.根據權利要求1所述的一種基于LMD及改進PSO優化BP神經網絡的軸承故障診斷方法，其特征在于：所述的BP神經網絡結構中的權值和閾值優化方法：

首先，應將要優化的神經網絡的所有權值和閾值構建為實數數組，并給出它們以(0，1)之間的任意數；

然后，根據選擇的網絡結構，通過正向算法計算每組輸入樣本的神經網絡輸出，將BP網絡的激活函數全部選擇為S型函數，再使用改進的PSO算法搜索最佳位置，從而使以下均方誤差指數最小化：式中，t_m,q為第q個輸入參數的第m個最優輸出值；Y_m,q為第q個輸入參數的第m個實際輸出值；d為輸入參數個數；s為網絡的輸出個數。