基于BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障識(shí)別分析案例概述目錄TOC\o"1-3"\h\u2998基于BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障識(shí)別分析案例概述 )式中：是歸一化后的特征值，;是歸一化之前各特征參量的值；是各工況下特征參量的最大值；是各工況下特征參量的最小值。1、對(duì)于上述所取的樣本去測(cè)試神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)性能，首先將validationset設(shè)置為6，對(duì)三種不同的學(xué)習(xí)速率進(jìn)行訓(xùn)練結(jié)果如下：（1）取學(xué)習(xí)速率，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到圖1.3至1.5所示，經(jīng)過(guò)30次訓(xùn)練后由于泛化能力達(dá)到最大值(validationset=6)使訓(xùn)練結(jié)束，由圖1.4可以看出連續(xù)6次訓(xùn)練，驗(yàn)證集的輸出誤差不下降反而上升，說(shuō)明此時(shí)訓(xùn)練集的誤差已經(jīng)不再減小了，達(dá)到最好的訓(xùn)練效果了。如果再繼續(xù)訓(xùn)練，可能會(huì)陷入過(guò)學(xué)習(xí)。第24次訓(xùn)練效果最好，但是訓(xùn)練誤差沒(méi)有要求。根據(jù)圖1.5可知，在此狀態(tài)下數(shù)據(jù)回歸效果較好，訓(xùn)練集回歸效果R=0.9998，驗(yàn)證集回歸效果R=0.99262，測(cè)試集回歸效果R=0.99443，整體回歸效果R=0.99784。圖1.3η1=0.01訓(xùn)練誤差圖1.4η1=0.01訓(xùn)練狀況圖1.5η1=0.01回歸曲線（2）取學(xué)習(xí)速率，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到圖1.6至1.8所示，在訓(xùn)練次數(shù)達(dá)到24次時(shí)，訓(xùn)練誤差達(dá)到精度要求使訓(xùn)練停止。ValidationChecks=0意味著訓(xùn)練過(guò)程中誤差持續(xù)下降，由圖1.7可以看出在實(shí)際運(yùn)行過(guò)程中除了在第20次訓(xùn)練時(shí)誤差上升，其余過(guò)程中誤差一直在下降，直至減小到滿足精度要求。根據(jù)圖1.8可知，在第24次訓(xùn)練效果最好，并且在該狀態(tài)下訓(xùn)練集、測(cè)試集以及驗(yàn)證集的回歸性都達(dá)到0.9999以上，訓(xùn)練集和整體的回歸效果達(dá)到了最佳，訓(xùn)練集回歸R=1，整體擬合回歸R=1.圖1.6η2=0.02訓(xùn)練誤差圖1.7η2=0.02訓(xùn)練狀況圖1.8η2=0.02回歸曲線（3）取學(xué)習(xí)速率，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到圖1.9至1.11所示，在訓(xùn)練次數(shù)達(dá)到45次時(shí)訓(xùn)練結(jié)束，由圖1.10可知是由于連續(xù)6次誤差不降低反而上升強(qiáng)行結(jié)束訓(xùn)練，說(shuō)明此時(shí)訓(xùn)練誤差已經(jīng)到達(dá)最小，再繼續(xù)訓(xùn)練可能會(huì)出現(xiàn)過(guò)學(xué)習(xí)。在第39次訓(xùn)練效果最好，但此時(shí)訓(xùn)練誤差沒(méi)有達(dá)到精度要求。根據(jù)圖1.11可知，在此狀態(tài)下訓(xùn)練集回歸效果R=0.99892，驗(yàn)證集的回歸效果R=0.99544，測(cè)試集的回歸效果R=0.98749，總體的回歸效果R=0.99653。圖1.9η3=0.2訓(xùn)練誤差圖1.10η3=0.2訓(xùn)練狀況圖1.11η3=0.2回歸曲線2、將validationset設(shè)置為10，對(duì)三種不同的學(xué)習(xí)速率進(jìn)行訓(xùn)練結(jié)果如下：（1）取學(xué)習(xí)速率，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到圖1.12至1.14所示，在第10次訓(xùn)練時(shí)，訓(xùn)練誤差達(dá)到精度要求。由圖1.13可知除了在第二次訓(xùn)練，其他訓(xùn)練次數(shù)ValidationChecks=0，說(shuō)明此過(guò)程中訓(xùn)練誤差一直在減小，直至減小到滿足精度要求。經(jīng)過(guò)10次訓(xùn)練，網(wǎng)絡(luò)訓(xùn)練效果達(dá)到最好。根據(jù)圖1.14可知，在此狀態(tài)下訓(xùn)練集回歸效果R=1，驗(yàn)證集的回歸效果R=0.99202，測(cè)試集的回歸效果R=0.9997，總體的回歸效果R=0.99879。圖1.12η1=0.01訓(xùn)練誤差圖1.13η1=0.01訓(xùn)練狀況圖1.14η1=0.01回歸曲線（2）取學(xué)習(xí)速率，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到圖1.15至1.17所示，在第18次訓(xùn)練時(shí)，訓(xùn)練誤差達(dá)到精度要求。由圖1.16可知在第18次訓(xùn)練時(shí)ValidationChecks=0，說(shuō)明訓(xùn)練誤差一直在減小，直至減小到滿足精度要求。根據(jù)圖1.17可知，在此狀態(tài)下訓(xùn)練集回歸效果R=0.9999，驗(yàn)證集的回歸效果R=0.99968，測(cè)試集的回歸效果R=0.9999，總體的回歸效果R=0.99995。圖1.15η2=0.02訓(xùn)練誤差圖1.16η2=0.02訓(xùn)練狀況圖1.17η2=0.02回歸曲線（3）取學(xué)習(xí)速率，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到圖1.18至1.20所示，在第42次訓(xùn)練時(shí)，訓(xùn)練誤差達(dá)到精度要求。由圖1.19可知在第42次訓(xùn)練時(shí)ValidationChecks=0，說(shuō)明訓(xùn)練誤差一直在減小，直至減小到滿足精度要求。根據(jù)圖1.20可知，在此狀態(tài)下訓(xùn)練集回歸效果R=0.99999，驗(yàn)證集的回歸效果R=0.99999，測(cè)試集的回歸效果R=0.99998，總體的回歸效果R=0.99999。圖1.18η3=0.2訓(xùn)練誤差圖1.19η3=0.2訓(xùn)練狀況圖1.20η3=0.2回歸曲線從訓(xùn)練誤差、訓(xùn)練回歸性兩個(gè)方面分析以上六種情況，當(dāng)學(xué)習(xí)速率為、Validationset=6時(shí)，神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果誤差最小，以及回歸效果最佳，與期望輸出最為接近。利用上述參數(shù)構(gòu)建網(wǎng)絡(luò)，得到對(duì)108個(gè)樣本的預(yù)測(cè)正確率如表1.1所示：表1.1BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)正確率故障類(lèi)型正常軸承外圈故障軸承內(nèi)圈故障軸承滾子故障軸承正確率0.96301.00000.88890.9259從表中可以看出，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)平均正確率達(dá)到94.44%，外圈故障預(yù)測(cè)率達(dá)到100%，內(nèi)圈故障預(yù)測(cè)的正確率稍微低些，其他故障類(lèi)別的預(yù)測(cè)量都超過(guò)90%。108組測(cè)試樣本的實(shí)際故障類(lèi)別和預(yù)測(cè)故障類(lèi)別由圖1