田勇，廉书林，，陈闽杰

(1.河南工业大学机电工程学院，河南郑州450007;2.广州机械科学研究院设备润滑与磨损状态监测中心，广东广州510701)

现代化工业技术的不断发展，机械设备日趋大型化、智能化、自动化、复杂化和连续化，一旦发生故障，将会给生产、甚至人们的生命财产造成不可挽回的损失。因此，利用技术手段对机械设备的状态监测和故障诊断，具有重要的现实意义［1－2］。如果能够利用有效的数学方法，建立油液污染与磨损之间的关系，那么将能够为设备的下一步的维护提供可靠的依据，也将会加快“定期维护”到“视情维护”转变的步伐，同时，也将为企业节约大量的人力、物力资源，保护生态环境，实现可持续发展。

作者在大量检测数据的基础上，利用人工神经网络技术，采用共轭梯度法与Levenberg-Marquardt法建立油液污染与机械磨损模型，获取污染与磨损之间的规则，并判别该方法的可行性。通过对比传统神经网络与改进型神经网络所得到的试验结果，说明改进的神经网络在油液污染与磨损的预测方面比传统的神经网络具有更好的泛化能力，旨在为油液污染与机械磨损的判别提供一种新的思路［3］。

1 BP神经网络算法改进

Back Propagation Network，简称为BP神经网络，是基于误差反向传播算法的多层前馈网络，它具有模拟人类大脑神经处理信息的特殊性，且拥有强大的学习能力和大规模计算功能，能够解决很多传统方法难以解决的问题。由于BP神经网络具有自学习、非线性映射、自适应能力等优点，同时能够较好地实现各指标与评价结果之间非线性关系的映射，具有很好地函数逼近能力，所以该网络也是目前应用最广泛和最成功的一种神经网络［4－6］。……