基于麻雀算法优化BP神经网络诊断数控机床故障.pdf

书书书第 卷 第 期年 月沈阳工业大学学报 收稿日期：基金项目：山西省基础研究计划项目（）；山西大同大学 年度科研专项课题项目（）作者简介：王舒玮（），女，山西大同人，讲师，硕士，主要从事机械工程、智能制造等方面的研究 ：基于麻雀算法优化 神经网络诊断数控机床故障王舒玮（山西大同大学 机电工程学院，山西 大同 ）摘要：针对数控机床的同一故障引发因素不同，甚至存在多因素共同作用的问题，提出了数控机床故障诱因分析方法，准确判断并查找故障位置，从而解决数控机床出现的故障 采用麻雀搜索算法改善 神经网络性能，进而诊断数控机床服役中的常见故障，采集不同状态的故障信号作为 神经网络样本，利用经过麻雀搜索算法优化后的 算法识别机床的故障状态 结果表明：诊断结果发生误判的概率仅为 ，说明麻雀搜索算法优化 神经网络在检测数控机床故障诊断问题中能够进行推广应用关键词：麻雀搜索算法；神经网络；数控机床；故障诊断；优化处理；仿真；误差处理；训练样本中图分类号：文献标志码：文章编号：（）（，）：（），（），：；数控机床是目前最典型的机电一体化设备，其主要特点是灵活性好、效率高、精度高且产品质量稳定 数控机床集自动控制技术、机械制造技术、计算机技术和测试技术于一体，在现代机械制造业中发挥着重要作用 然而，如果数控机床的机械结构更复杂，部件更多，则出现故障的概率将会增加，数控机床的可靠性则会降低 数控机床的故障是多种多样的，导致出现故障的因素也是不确定的，故障主要出现在机械、电气、控制等方面 同一故障的引发因素不同，甚至存在多种因素共同作用的情况，导致检测数控机床故障的难度大大提升 因此，如何分析数控机床故障出现的诱发因素，准确判断并查找故障出现的位置，采用合理排除方法使数控机床能够继续恢复正常工作，是解决数控机床故障诊断的首要任务 目前常见的数控机床故障诊断方法为逐层逐步诊断法 准确判断并查找故障出现的位置至关重要 可能出现问题的位置主要包括主机结构、数控系统、伺服系统、电机驱动系统、机床电气系统和液压系统等 在数控机床中往往故障的症状发生在机床的某个环节，而故障原因却又可能出现在一个或多个系统中目前，我国自主研发的数控机床在自诊断故障环节相对比较薄弱，智能诊断能力较低，即使诊断到故障环节，但对查找故障出现的原因定位仍不够准确，容易出现维修人员无法根据故障现象准确确定故障原因的问题 因此，在数控机床使用和研发过程中，如何根据出现的故障现象快速准确地诊断故障原因是非常重要的 随着智能化、现代化的发展以及自动控制和人工智能领域知识的不断融合，现代数控机床故障诊断工具实现了从智能到综合智能的转变 在使用数控机床时，每个传感器都有其特定的功能和测量范围，每个传感器的数据仅限于描述特定对象或系统基于单传感器的特点，数控机床的故障产生、诊断和分析无法完成整体判断 若故障分析和预测方法能够预测故障的发生或发展趋势误差（即预测误差或事后效应），则可进行及时预防或维护，因此，误差预测对数控机床的实际使用和可靠性研究具有深远意义 麻雀搜索算法 是一种群体优化算法，可以抽象地表述为探测者跟随者预警者模型 目前麻雀搜索算法优化 神经网络在各个领域都已广泛应用，但将其应用于数控机床故障的诊断尚未有深度研究 本文采用麻雀搜索算法改善 神经网络的性能，提出了一种新的数控机床状态故障检测方法，进而诊断数控机床服役中的常见故障 常见数控机床故障类型及诊断数控机床在机械工业中得到了广泛应用，其后续维护、维修工作变得越来越重要 为了提高数控机床的维修效率、维修水平和故障诊断率，排查数控机床系统故障的重要任务之一是在数控机床发生故障时，对故障产生的诱发因素进行判断和评估，从而便于准确确定故障发生位置，及时有效地采取相应故障诊断措施进行故障修复 数控机床常见故障现象和诱因如表 、所示 麻雀搜索算法麻雀搜索算法是一种新型群体智能优化算表 部分数控机床故障现象集 序号故障征兆主轴电机不工作发动机转速不稳定主轴停转主轴发热主轴在强力切削下停转序号故障征兆主轴无润滑油循环伺服电动机不工作加工过程中坐标轴震动电气元件损坏 电气元件过热、冒烟、起火或散发焦糊味表 部分数控机床故障诱因集 序号故障原因使能信号没有正常接通刀架本身故障电气线路连接不良电机运转不良或自身故障零点开关不灵敏参数设置不合理联动节松动序号故障原因滚珠丝杆副间隙过大干扰 润滑不良 编码器及连接线路不良 负载过大 变频器故障 电源故障法，具有优化能力强、目标限制低、设置参数少等优点，已成功应用于图像分割、短期光伏性能预测等实际应用中 在麻雀搜索算法中种群中的个体具备以下特点：每个个体可以随时监控种群中其他个体的行为，种群中的个体可与食物供应量较高的个体进行竞争以提高捕食效率；个体策略的选择主要取决于食物储备；由于生活在种群边缘的个体更易受到攻击，故将努力靠近中部地区，而中心地区个体将与其附近个体靠拢从而降低风险；当个体发现捕食者时，会向种群发出警告 根据以上种群特征，将种群分为探测者和跟随者两种类型，麻雀搜索算法的具体步骤为：）首先确定麻雀种群数量、所需优化变量维数、最大迭代次数和搜索区域上、下边界）探测者负责寻找食物，引导整个种群行动，跟随者跟随探测者寻找食物 同时，安排一定比例的个体进行勘查，当意识到危险时发出信号警告种群并采取反捕行动 种群中探测者负责寻找食物的方向和位置，从而使跟随者更接近食物所在方向 跟踪到捕食者后发出警告信号，如果警告信号值大于安全阈值，探测者将引导种群进入安全区域，即第 期王舒玮：基于麻雀算法优化 神经网络诊断数控机床故障 （）（）（）式中：为第 次迭代时麻雀 在第 维种群中的个体位置；为（，范围内的均匀随机数；为服从标准正态分布的随机数；为 维元素均为 的矩阵；，为预警值；，为安全值；为最大迭代次数）当探测者所处位置的能力值较低时，一些饥饿的跟随者会转移到其他地方觅食，同时跟随者会不断地监视探测者，然后争夺食物资源以降低饥饿率 因此，追随者在种群中的位置更新表达式为 ()（，）()（）式中：为在第 次迭代时麻雀在第 维种群中的最差个体位置；为在第 迭代时麻雀在第 维种群中的最优个体位置；为麻雀种群数量）当个体意识到种群中的危险时，个体沿着边缘移动到安全区域，而麻雀（最初在种群中心）则随机移动以形成新的种群，即 （）（）()（）（）式中：为控制步长参数，且为服从 （，）的随机数；，为麻雀位置，用于确定步长；为第 只麻雀的适应度值；为当前麻雀种群的最优适应度值；为当前麻雀种群的最差适应度值；为极小数 机床故障诊断设计实例 优化 神经网络算法在 优化 神经网络训练的具体过程中，首先建立故障诊断模型样本，确定阈值和权值为不为零的任意数，然后确定输入和目标输出，计算实际输出和隐含层数量，将故障现象集作为训练样本模型的输入，确定训练样本集和测试样本集，对训练误差进行计算，输出层和输入层计算公式 分别为 （）（）（）（）（）随后确定 神经网络基本参数，其中输入层设定为 个输入向量，与 组故障征兆集数量一致；输出层设定为 个输出向量，与 组故障诱因集数量一致，利用 程序函数设定隐藏层数量为 个 此外，利用 程序对 神经网络进行设定，初始化 网络权值和阈值表达式 分别为（）（）（）（）（）（）（）（）（）（）利用麻雀搜索算法计算种群个体，确定麻雀适应度，并搜索相关设定参数，确定觅食和反捕食行为，并更新最佳适应度值和位置信息 利用最佳适应度值和位置信息，根据式（）（）分别更新探测者位置、追随者位置与麻雀危险位置，确定最新麻雀位置的适应度，将更新后的适应度与最优适应度进行比较，若满足终止准则，获取最优参数并进行仿真预测后输出结果；若不满足终止准则，检查迭代情况并重新初始化 权值和阈值 数控机床故障诊断具体步骤如图 所示图 数控机床故障诊断具体步骤 故障现象训练样本分析将 型数控车床作为实验设备，整理了该车床的常见故障征兆与原因，将故障出现概率数据化后输入 神经网络中 在诊断过程中由于故障频率变化很大，故障征兆中所产生的等级分为高、中、低三等，具体结果如图 所示图 中的信息应适用于机床重复处理和常见错误之间的因果关系 以主轴常见故障为例，表 列出了主轴电机故障的一些常见原因和出现概率沈阳工业大学学报第 卷图 故障发生概率 由表 可见，在数控机床主轴停转（作为输入向量）的故障原因中，最容易导致主轴停转的原因（作为输出向量）是错误激活脱机信号和开关故障；其次是超载和电路板故障；另外还有可能是液压缸电缆开关跌落、需更换液压缸或漏油 因此，主轴停转所对应的向量表达式为 ，表 故障征兆和诱因 故障征兆形成原因发生概率 主轴停转错误激活脱机信号 超载 电路板故障 液压缸电缆开关跌落 需更换液压缸或漏油 开关故障 ，将 组故障征兆集定义为输入向量，组故障诱因集定义为输出向量，并将其作为训练样本应用到 神经网络中，则 ，诊断收敛效果对比图 为 神经网络收敛情况 由图 可见，标 准 网络对数控机床常见故障的仿真误差较大，迭代收敛效果不佳且存在较大误差震荡现象 利用 神经网络对故障仿真误差进行重新测试，将实际工况中发生的数控机床故障数据作为网络样本集，利用 软件对其进行训练，神经网络收敛情况如图 所示由图 可见，神经网络可以实现迭代 次的效果，与标准 神经网络相比，收敛速度更快，收敛曲线更平稳图 中 神经网络预测故障输出误差 由图 可以计算得到 神经网络预测误差为 ，接近预期效果对应的理论偏差，仿真结果与理论输出非常接近 神经网络预测故障输出误差与传统 神经网络相比较小第 期王舒玮：基于麻雀算法优化 神经网络诊断数控机床故障图 神经网络收敛情况 图 神经网络收敛情况 图 神经网络预测故障输出误差 结论采用麻雀算法优化 神经网络解决数控机床故障诊断问题，对数控机床常见故障创建训练样本模型，对其故障诱因导致的故障现象进行了误差分析 将实际工况中发生的数控机床故障数据作为网络样本集，利用 软件对其进行训练后，不仅提高了诊断时效，还提高了判断故障诱因的准确性 因此，将 神经网络模型用于检测数控机床故障的方案是可行的参考文献（）：胡建华，黄宇龙，张坚，等 基于麻雀搜索算法优化双隐含层 神经网络的张力减径钢管壁厚预测 塑性工程学报，（）：（，（）：）陈鑫，肖明清，文斌成，等 基于变分模态分解和混沌麻雀搜索算法优化支持向量机的滚动轴承故障诊断 计算机应用，（增刊 ）：（，（）：）周超，曹春平，孙宇 利用 优化 的滚动轴承故障诊断方法研究 机械设计与制造，（）：（，（）：）解永亮 基于混合蚁群的多温区冷链物流配送路径优化算法 沈阳工业大学学报，（）：（，（）：）马廷洪，姜磊 基于混合粒子群算法优化 神经网络的机床热误差建模 中国工程机械学报，（）：（，（）：）马晨佩，李明辉，巩强令，等 基于麻雀搜索算法优化支持向量机的滚动轴承故障诊断 科学技术与工程，（）：（，（）：）张文帅，王占刚 基于改进麻雀算法优化深度极限学习机的缺失数据预测 电子测量技术，（）：（，（）：）褚惟，王贵勇，刘韬，等 麻雀算法参数优化 联合 滚动轴承故障诊断 噪声与振动控制，（）：（，（）：），：，沈阳工业大学学报第 卷 ，（）：徐金花，陈四利，董冠男，等 基于神经网络的橡胶混凝土抗冻性预测 沈阳工业大学学报，（）：（，（）：）胡鸿志，覃畅，管芳，等 基于麻雀搜索算法量机的刀具磨损识别 科学技术与工程，（）：（，（）：）辛梅 神经网络训练算法在数控机床故障诊断中的应用 自动化技术与应用，（）：（，（）：）李振雨，王好臣，王功亮，等 基于 网络的机床主轴故障诊断研究 机械设计与制造，（）：（，（）：）江世雄，黄鸿标，陈苏芳，等 基于 改进 神经网络的智慧楼宇用能行为预测方法 沈阳工业大学学报，（）：（，（）：）李建伟，于广滨 改进麻雀搜索算法的轮毂减速器优化设计 哈尔滨理工大学学报，（）：（，（）：）陈鑫，肖明清，孙曜，等 基于改进麻雀搜索算法与支持向量机的光纤陀螺故障诊断 空军工程大学学报（自然科学版），（）：（，（），（）：）（责任编辑：尹淑英英文审校：尹淑英）第 期王舒玮：基于麻雀算法优化 神经网络诊断数控机床故障