文献类型：期刊文章

作　　者：朱振杰[1] 周梅[2]

Zhen-jie ZHU;Mei ZHOU(Key Laboratory of High-efficiency and Clean Mechanical Manufacture of MOE,National Demonstration Center for Experimental Mechanical Engineering Education,School of Mechanical Engineering,Shandong University,Jinan 250061,China;Engineering Training Center,Shandong Jianzhu University,Jinan 250101,China)

机构地区：[1]山东大学机械工程学院,高效洁净机械制造教育部重点实验室,机械工程国家级实验教学示范中心,济南250061 [2]山东建筑大学工程训练中心,济南250101

出　　处：《机床与液压》

基　　金：山东省重点研发计划资助项目(2015GGX103026);教育部协同育人资助项目(201702061007)。

年　　份：2020

卷　　号：48

期　　号：12

起止页码：125-130

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

摘　　要：为了提高齿轮箱故障诊断的准确度,采用LVQ神经网络来完成齿轮箱故障定位及识别,并借助狼群优化算法来实现模型参数的优化。在齿轮箱故障诊断的建模过程中,引入狼群优化算法,将LVQ神经网络权重和阈值作为狼群个体,随机产生的多个权重和阈值组合个体构成狼群,并根据狼群游走、召唤和围攻等行为,不断更新狼群中个体狼的位置来获取全局适应度最大的头狼,得到最优权重和阈值,确定最优齿轮箱故障诊断模型。经过实验证明:采用基于狼群优化LVQ神经网络的齿轮箱故障分类,分类准确度更高。

关 键 词：齿轮轴故障  狼群优化  LVQ神经网络 胜出神经元  适应度

分 类 号：TP393]