翁胜龙，单外平，何国林

（华南理工大学 机械与汽车工程学院，广东 广州 510640）

滚动轴承作为旋转机械的重要组成部分，经常工作在高温、高速、重载等恶劣环境，是容易产生故障的机械部件，机械失效归因于轴承故障的机率非常高[1]。因此，快速、准确的轴承故障监测对于机械设备的正常工作以及安全生产具有重大的意义。

神经网络，只需三层结构就能够实现任意精度的非线性映射[2]，以其良好的泛化性能在旋转机械故障诊断领域受到极大的重视和广泛推广[3-4]，如王志等[5]将神经网络应用于航空发动机的整机振动故障诊断，有效降低了虚报率。神经网络的标准算法为BP算法，其具有良好的可塑性、简易性，但在本质上为一种局部寻优算法，网络训练过程中对初始权值要求较高，易陷入局部极值点，导致神经网络的训练精度较低、无法有效识别故障。萤火虫算法，具备良好的全局寻优特性，能够有效地避免局部极值问题，一经提出，迅速引起国内外学者的广泛关注，已成功应用于生产调度、结构优化、图像处理、机器人等领域[6-7]。

为解决BP神经网络的局部极值问题，有效提高神经网络的训练性能，提出将萤火虫算法结合BP算法共同训练神经网络，在本质上，利用萤火虫算法的全局寻优特性对神经网络进行早期训练，有效避免局部极值点，得到优化的神经网络初始权值后，采用BP算法对神经网络做进一步精细训练，得到萤火虫BP神经网络诊断模型，并应用于轴承故障诊断。……