遺傳算法與RBF神經(jīng)網(wǎng)絡融合技術應用于微車后橋故障診斷.pdf

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

2、所以，汽車后橋的品質優(yōu)劣對于汽車整體性能有至關重要的影響。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。本課題旨在基本不提高微車制造成本的前提下，檢測出存有故障的后橋，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:分析齒輪振動信號的波形特征，根據(jù)不同故障類型所對應的波形不同來辨別齒輪故障類型，這要求工人的經(jīng)驗豐富，而且往往造成誤判。人工神經(jīng)網(wǎng)絡

3、作為人工智能技術之一，能夠以任意精度逼近復雜的非線性映射，具有很強的識別分類能力，因此被逐漸引入到設備故障診斷中，使故障診斷實現(xiàn)自動化、智能化，同時提高診斷的精度。
　　 RBF網(wǎng)絡作為一種特殊的前傳網(wǎng)絡，它是在隱層對輸入數(shù)據(jù)進行了RBF變換。構成RBF網(wǎng)絡的基本思想是:用徑向基函數(shù)構成隱層節(jié)點，使得輸入信號只在靠近基函數(shù)中心范圍內產(chǎn)生局部響應。當基函數(shù)的中心和寬度確定以后，這種映射關系也就基本確定了。隱層空間到輸出層空間的映射

4、是線性的，即網(wǎng)絡的輸出是隱層各節(jié)點輸出的線性加權和。與一般的前傳網(wǎng)絡相比，RBF網(wǎng)絡能夠快速學習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)絡訓練方法對隱層節(jié)點數(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。
　　 本課題針對傳統(tǒng)前傳神經(jīng)網(wǎng)絡的不足以及簡單遺傳算法的特點，結合RBF網(wǎng)絡具有結構簡單和任意精度逼近能力的特征，引入了一種改進遺傳算法優(yōu)化了的RBF神經(jīng)網(wǎng)絡。該網(wǎng)絡引入包