基于RBF神经网络的齿轮箱故障诊断
冷军发
荆双喜
吴中青
1.河南理工大学,机械与动力工程学院,河南焦作,4540032.河南理工大学,机械与动力工程学院,河南焦作,4540033.河南理工大学,机械与动力工程学院,河南焦作,454003
摘要：阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究.结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断.但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差.
关键词：BP神经网络径向基函数神经网络故障诊断齿轮箱
分类号：TH132.41(机械零件及传动装置)TP183(自动化基础理论)TP206.3(自动化技术及设备)
资助基金：河南省重点学科建设项目(504905)河南理工大学青年骨干教师资助计划(649034)
论文发表日期：2010-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：4( 17-20 )
英文信息