王泽潇，张为乐

（北京化工大学机电工程学院，北京 100029）

振动是衡量动力装备健康状态最主要的标志，而滚动轴承是确保大部分动力装备正常运行的关键部件。在滚动轴承故障状态下快速、准确地提取振动信号的特征参数值对提高设备运行效率、确保设备运行安全具有重要意义。BP 神经网络具有非线性映射能力强、具有柔性网格结构等优点，可以应用于滚动轴承的故障类型诊断。

1 滚动轴承的结构和故障

通常情况下滚动轴承的主要由外圈、内圈、滚动体和保持架构成。滚动轴承的主要故障形式有疲劳点蚀、磨损、胶合等。旋转机械设备中由滚动轴承引起的故障占总故障的30%～40%，在电机的故障中有40%来自于滚动轴承故障。本文提出了以BP 神经网络为基础的滚动轴承故障诊断技术，以达到实时监测、精确诊断、快速恢复的目的。

2 基于BP 神经网络的滚动轴承故障诊断的原理及流程

2.1 BP 神经网络原理

BP 神经网络是1986年由Rumelhart 和McClelland 为首的科学家提出的概念，它是一种按照误差逆向传播算法训练的多层前馈神经网络，在模式识别、故障诊断和线性拟合等领域得到了广泛应用。BP 神经网络的核心思想为梯度下降，神经网络通过多次训练，不断改变自身权值，最终使得输出值与期望值误差小于规定水平。

BP 神经网络主要由输入层、隐含层和输出层三层基本结构组成，每一层神经网络由多个神经元组成，层与层之间的神经元互相关联，层内之间的神经元不会互相关联。……