机械设计与研究 ›› 2014, Vol. 30 ›› Issue (06): 77-80+89.doi: 10.13952/j.cnki.jofmdr.a3487
吕明;
发布日期:
2020-07-26
Published:
2020-07-26
摘要: 为了提高数控机床故障预测的能力,针对BP神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题,提出了一种基于萤火虫算法优化BP神经网络的数据机床故障诊断算法。文章详细介绍了常见的数控机床故障类型和分类,在萤火虫优化算法和BP神经网络的基础上,建立了萤火虫算法优化BP神经网络的数控机床故障诊断模型,并提出了基于该模型的算法。该模型和算法采用萤火虫算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络能对测试集进行更好的预测。实验结果表明,萤火虫算法优化BP神经网络的预测误差明显小于GRNN和PNN算法。该模型和算法具有很好的预测能力,可以快速、准确地完成数控机床故障诊断研究。
吕明;. 基于萤火虫优化BP神经网络的数控机床故障诊断[J]. 机械设计与研究, 2014, 30(06): 77-80+89.
[1] | 许勇, 蔡云泽, 宋林. 基于数据驱动的核电设备状态评估研究综述[J]. 上海交通大学学报, 2022, 56(3): 267-278. |
[2] | 刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190. |
[3] | 马航宇, 周笛, 卫宇杰, 吴伟, 潘尔顺. 变工况下基于自适应深度置信网络的轴承智能故障诊断[J]. 上海交通大学学报, 2022, 56(10): 1368-1377. |
[4] | 薛晗,邵哲平,潘家财,张锋. 基于文化萤火虫算法-广义回归神经网络的船舶交通流量预测[J]. 上海交通大学学报, 2020, 54(4): 421-429. |
[5] | 胡晓强,仲训昱,张霄力,彭侠夫,何荧. 基于支持向量机辅助的四轴陀螺两级故障诊断方法[J]. 上海交通大学学报, 2020, 54(11): 1151-1156. |
[6] | 赵亮,雷默涵,朱星星,王帅,凌正,杨军,梅雪松. 高精度数控机床主轴系统热误差的控制方法[J]. 上海交通大学学报, 2020, 54(11): 1165-1171. |
[7] | 赵京鹤;刘宏岩;胡晶;. 基于BP神经网络的超声振动钻削钻头磨损状态监测试验研究[J]. 机械设计与研究, 2020, 36(02): 83-86. |
[8] | 高家宝;许昕;潘宏侠;付志敏;. 基于信息熵与神经网络的供输弹系统早期故障诊断[J]. 机械设计与研究, 2020, 36(02): 181-184+188. |
[9] | 赵璐;许昕;潘宏侠;付志敏;高家宝;. 基于信息熵与信息融合的供输弹系统故障诊断研究[J]. 机械设计与研究, 2020, 36(01): 169-172. |
[10] | 颜波,褚学宁,张磊. 结构方程模型与人工神经网络结合的用户感知建模方法[J]. 上海交通大学学报, 2019, 53(7): 830-837. |
[11] | 毕晓君,胡菘益. 基于混合引导策略的高精度萤火虫优化粒子滤波算法[J]. 上海交通大学学报(自然版), 2019, 53(2): 232-238. |
[12] | 项四通;杜正春;杨建国;. 数控机床几何与热误差测量和建模研究新进展[J]. 机械设计与研究, 2019, 35(06): 52-57. |
[13] | 张龙;宋成洋;邹友军;崔路瑶;雷兵;. 基于VMD多特征融合与PSO-SVM的滚动轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 96-104. |
[14] | 李东;刘广璞;黄晋英;张安安;. 基于EEMD-SVD与SVM的轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 123-127. |
[15] | 张航;许昕;潘宏侠;梁海英;. 基于ITD与PSO-SVM的供输弹系统故障诊断[J]. 机械设计与研究, 2019, 35(06): 197-200. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||