摘要： 针对齿轮箱故障诊断过程中采集到的振动信号通常都比较复杂多变,随机性和偶然性也比较强的特点,提出了一种基于随机权重粒子群优化（Random Weight Particle Swarm Optimization, RWPSO）算法的双隐含层反向传播（Back Propagation, BP）神经网络（RWPSO-BP）的齿轮箱故障诊断方法。对江苏千鹏诊断工程有限公司所公布的齿轮箱故障诊断实验中的原始振动数据进行多特征值提取;利用主成分分析法（Principal Component Analysis, PCA）对特征集进行降维处理,将多个变量的数据集转变为较少新变量的数据集（即主成分）,把所选主成分归一化处理后利用双隐含层RWPSO-BP神经网络进行诊断分析;将分析结果与单隐含层RWPSO-BP神经网络对测试样本的识别结果作对比。最后的诊断结果为:双隐含层RWPSO-BP神经网络的误差更小,可以较为准确地对齿轮箱故障类型进行有效的识别。
中图分类号: