做和BP神经网络在数控系统故障诊断中应用

B P神经络在数控系统故障诊断中应用

本中对BP神经络的基本原理做了介绍，基于对数控系统的研究，运用BP神经络方法实现了数控系统的故障诊断，提出了一种基于神经络的数控系统故障诊断方法。对于仿真结果的分析，表明该方法较传统故障诊断方法简单、有效，且有较高的预测精度。

在数控机床的使用过程中，数控系统的结构比较复杂、种类繁多，既有确定性因素，又有随机的因素，各种因素交错，使故障更具有渐变件和隐敝件。一旦出现故障，将会直接影响到生产效率，因此，对数控系统的可靠件和可维护件的要求越来越高。

故障诊断是对系统产生故障的原因做出分析与判断，以便找出解决问题的方法。从诊断方式上看，N前数控系统的故障诊断主要是工程技术人员通过视、听、触、嗅、问等方式并辅以简单的会诊仪器凭自己的实践经验进行简易诊断的，或在简易诊断的基础上对有疑问的异常现象，使用某种精密检测仪器对其进行精密诊断分析，从而找出数控系统发生故障的原因与部位。在诊断过程中，还具有很大的人为主观因素，其精确程度远远不能满足现代工业发展的要求。

目前，数控系统中的故障诊断主要有基于传递函数的故障诊断方法和基于人工智能(包括专家系统、神经络两个分支)的故可以连续24小时从地下将水份直接供到植物根部障诊断方法。前者由于需要系统控制过程的数学模型而遇到较大困难，后者又由于专家系统知识难以获取而难以推广应用。目前传统的维护于段主要依靠维护人员的经验，很难保障维护的质量，而神经络在故障诊断中的应用可较好地克服基于规则推理的单一专家系统知识获取困难的缺点，基于理论上比较成熟的BP神经络，本文对BP神经络在数控系统故障诊断方而的应用进行探讨，提出一种解决方法。

神经络是由大量的处理单元(神经元)互相连接而成的络。为了模拟大脑的基本特性，在神经科学研究的基础上，提出了神经络模型。但是，实际上神经络并没有完个反映大脑的功能，只是对生物神经络进行某种抽象、简化和模拟。神经络的信息处理通过神经元的互相作用来实现，知识与信息的存储表现为络元件全球玻璃纤维复合材料市场总消费水平预计将以8.5%的年增长率强劲增长互连分布智慧能源2017年实现销售额约142亿式的物理联系。神经络的学习和识别取决于各神经元连接权系数的动态演化过程。神经络的个称是人工神经(Art ifiCial NeuralNetwork，ANN)，它采用物理上可实现的器件或采用计算机来模拟生物体中神经络的某些结构和功能，并应用于工程领域。神经络的着眼点不在于利用物理器件完整地复制生物体中的神经细胞络，而是抽取其中可利用的部分来克服目前产量高计算机或其他系统不能解决的问题，如学习、控制、识别和专家系统等。随着生物和认知科学的发展，人们对大脑的认识和了解越来越深入，神经络将会获得更加广阔的发展和应用范围。