论文部分内容阅读
针对工程上齿轮箱实时监测和故障诊断的需要，对JZQ250型齿轮箱展开研究，提出了基于动态惯性权重PSO算法训练BP神经网络的齿轮箱故障诊断方法。通过时域参数分析提取监测特征值作为齿轮箱的状态监测值，将故障特征向量作为神经网络的输入向量进行故障诊断，并与BP算法的诊断结果进行了比较。实验结果表明，动态惯性权重PSO算法具有收敛速度快，经过神经网络学习训练后能较好地收敛于最优解；该算法用于齿轮箱故障诊断效果理想，能够准确进行齿轮箱故障定位，在故障诊断领域里具有广泛的应用前景。