摘要：针对滚动轴承故障诊断问题，提出遗传算法优化概率神经网络（GA-PNN）的诊断方法。首先，用遗传算法优化PNN网络中的散布常数。其次，从实验室采集到内环故障和正常状态下的滚动轴承振动信号，考虑到采集系统等存在缺陷因素，采用最小二乘法和指数平滑法消除振动信号中的漂移和微弱噪声。随后，提取多个时域特征参数，并根据参与建立诊断模型的输入变量不同而建立起6个不同模型。最后，利用GA-PNN和PNN对6个模型进行诊断并综合分析。研究结果表明：GA-PNN对6个模型的诊断效果均能达到95%以上，而PNN由于散布常数设置问题导致诊断结果差异较大；散布常数和输入变量均会影响PNN的诊断效果；从校验集收敛误差、测试集诊断准确率等角度出发，GA-PNN相比PNN更适宜滚动轴承故障诊断。
文章目录
1 引言
2 概率神经网络（PNN）
3 GA-PNN诊断网络模型
3.1 经典遗传算法（GA）
3.2 GA-PNN诊断网络
4 基于GA-PNN的滚动轴承故障诊断
4.1 滚动轴承数据来源
4.2 滚动轴承故障故障样本数据处理
4.3 GA-PNN诊断网络的性能综合分析
5 总结
