基于RBF神经网络的齿轮箱故障诊断

• 作者: 冷军发 吴中青 荆双喜
• 来源期刊: 机械强度
• 关键词: BP神经网络 径向基函数神经网络 故障诊断 齿轮箱
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 振动·噪声·监测·诊断
• 页码范围: 17-20
• 页数: 4页
• 分类号: TH132.41|TP183|TP206.3
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆双喜	河南理工大学机械与动力工程学院	60	402	12.0	17.0
2	冷军发	河南理工大学机械与动力工程学院	37	283	10.0	15.0
3	吴中青	河南理工大学机械与动力工程学院	5	64	4.0	5.0