论文部分内容阅读
基于人工神经网络的故障识别方法,对塑料齿轮的早期故障信号进行检测,实时发现齿轮故障的进化状态.推导了人工神经网络在塑料齿轮信号监测中的理论模型,比较了不同激活函数对模型结果的影响.选取了磨损、胶合、裂纹、断齿以及正常齿轮的信号进行研究,结果表明:验证集损失和训练集损失随着迭代次数的增加而一直降低;当模型中神经元数目为240时,模型测试识别的准确率约为98.6％.