遺傳算法與RBF神經(jīng)網(wǎng)絡(luò)融合技術(shù)應(yīng)用于微車后橋故障診斷.pdf

1、微車以其小巧輕便、價(jià)格低廉、油耗低等特點(diǎn)，在生活中扮演重要運(yùn)輸工具的角色。微車相對(duì)于其他車型制造成本比較低，制造工藝粗糙、精度不高，這也導(dǎo)致了其出現(xiàn)故障問題的幾率也比較高。隨著社會(huì)的發(fā)展，微車安全性及舒適度也慢慢成為更多消費(fèi)者選車時(shí)候參考的標(biāo)準(zhǔn)。衡量汽車舒適性能的主要參數(shù)包括:噪聲(Noise)、振動(dòng)(Vibration)和聲振粗糙度(Harshness)，也被稱作NVH。作為汽車傳動(dòng)系的后橋，它貢獻(xiàn)的NVH約占汽車總體NVH的20％，

2、所以，汽車后橋的品質(zhì)優(yōu)劣對(duì)于汽車整體性能有至關(guān)重要的影響。汽車后橋主要組成部件是齒輪，齒輪的優(yōu)劣及故障問題直接影響到汽車后橋的整體品質(zhì)。本課題旨在基本不提高微車制造成本的前提下，檢測(cè)出存有故障的后橋，避免其直接裝車，從而提高出廠微車的舒適度及質(zhì)量。
　　 目前，常用的齒輪故障診斷方法主要可以概括為:分析齒輪振動(dòng)信號(hào)的波形特征，根據(jù)不同故障類型所對(duì)應(yīng)的波形不同來辨別齒輪故障類型，這要求工人的經(jīng)驗(yàn)豐富，而且往往造成誤判。人工神經(jīng)網(wǎng)絡(luò)

3、作為人工智能技術(shù)之一，能夠以任意精度逼近復(fù)雜的非線性映射，具有很強(qiáng)的識(shí)別分類能力，因此被逐漸引入到設(shè)備故障診斷中，使故障診斷實(shí)現(xiàn)自動(dòng)化、智能化，同時(shí)提高診斷的精度。
　　 RBF網(wǎng)絡(luò)作為一種特殊的前傳網(wǎng)絡(luò)，它是在隱層對(duì)輸入數(shù)據(jù)進(jìn)行了RBF變換。構(gòu)成RBF網(wǎng)絡(luò)的基本思想是:用徑向基函數(shù)構(gòu)成隱層節(jié)點(diǎn)，使得輸入信號(hào)只在靠近基函數(shù)中心范圍內(nèi)產(chǎn)生局部響應(yīng)。當(dāng)基函數(shù)的中心和寬度確定以后，這種映射關(guān)系也就基本確定了。隱層空間到輸出層空間的映射

4、是線性的，即網(wǎng)絡(luò)的輸出是隱層各節(jié)點(diǎn)輸出的線性加權(quán)和。與一般的前傳網(wǎng)絡(luò)相比，RBF網(wǎng)絡(luò)能夠快速學(xué)習(xí)并可避免陷入局部極小，它的性能具有明顯的優(yōu)越性。但傳統(tǒng)RBF網(wǎng)絡(luò)訓(xùn)練方法對(duì)隱層節(jié)點(diǎn)數(shù)目、基函數(shù)中心和寬度等參數(shù)的確定比較困難，往往是不斷嘗試，常得不到滿意的效果。
　　 本課題針對(duì)傳統(tǒng)前傳神經(jīng)網(wǎng)絡(luò)的不足以及簡(jiǎn)單遺傳算法的特點(diǎn)，結(jié)合RBF網(wǎng)絡(luò)具有結(jié)構(gòu)簡(jiǎn)單和任意精度逼近能力的特征，引入了一種改進(jìn)遺傳算法優(yōu)化了的RBF神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)引入包