文献类型：期刊文章

作　　者：皮骏[1] 刘鹏[2] 马圣[2] 粱晨[2] 孟璐[1] 王力平[3]

PI Jun;LIU Peng;MA Sheng;LIANG Chen;MENG Lu;WANG Liping(General Aviation College,Civil Aviation University of China Tianjin,300300,China;College of Aeronautical Engineering,Civil Aviation University of China Tianjin,300300,China;Motoren-und Turbinen-Union(MTU)Maintenance Zhuhai Co.,Ltd.Zhuhai,519030,China)

机构地区：[1]中国民航大学通用航空学院,天津300300 [2]中国民航大学航空工程学院,天津300300 [3]珠海摩天宇航空发动机维修有限公司,珠海519030

出　　处：《振动．测试与诊断》

基　　金：中央高校基本科研业务费项目及中国民航大学专项资助项目(3122019174)。

年　　份：2020

卷　　号：40

期　　号：2

起止页码：381-388

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高航空发动机轴承故障诊断的准确率,提出基于改进遗传算法优化(back propagation,简称BP)网络(modified genetic algorithm to optimize BP,简称MGA-BP)的故障诊断模型。针对传统遗传算法易早熟、易陷于局部最优解等缺陷,利用固定个体选择概率、引入三角函数和高斯变异操作对遗传算法进行改进,并用改进遗传算法优化BP网络的权值和阈值。利用优化的BP网络对滚动轴承正常、内圈故障、外圈故障和钢球故障4种工况进行诊断,并考虑到网络输出模式、诊断样本比例等对诊断精度的影响。为了验证MGA-BP在轴承故障诊断中的有效性,将其他改进遗传算法优化BP网络作为对比算法。分析表明:MGA-BP能够较好地适应网络不同的输出模式、不同的样本比例,其抗噪能力、诊断准确率、误差收敛速度和误差收敛值均优于文中其他对比算法。

关 键 词：航空发动机 轴承故障诊断 遗传算法 BP神经网络 输出模式  样本比例  

分 类 号：TH17] V231.1]