基于免疫神经网络的数控机床故障诊断研究

来源：机床与液压杂志2016年第13期北京时间：

作者：曹莉

单位：四川理工学院自动化与电子信息学院；四川理工学院自动化与电子信息学院；四川理工学院自动化与电子信息学院；四川理工学院自动化与电子信息学院；四川理工学院自动化与电子信息学院

摘要：针对BP神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题，提出一种基于人工免疫算法优化BP神经网络(IMBP)的数据机床故障诊断算法。介绍了常见的数控机床故障类型和分类，阐述了人工免疫算法和BP神经网络以及人工免疫优化BP神经网络算法的工作流程。利用免疫算法的全局搜索性能先对神经网络权值和阈值进行全局优化，加快了BP算法训练过程的收敛速度，减少训练过程所需要的时间。通过仿真性能测试分析，结果表明：与BP、GABP和IMBP 3种算法对比，比BP神经网络算法的数控机床故障预测诊断提高了18.3%，比GABP神经网络算法提高了12.05%，提高了数控机床故障诊断精度。

关键词：数控机床;故障诊断; BP 神经网络;人工免疫算法;免疫神经网络

基金资助：企业信息化与物联网测控技术四川省高校重点实验室项目（2013WYJ03；2013WYY05；2013WZY01；2014WYJ04）；酿酒生物技术重点实验室(NJ2013-11)；四川省智慧旅游研究基地（ZHZ13-02）；四川理工学院科研基金项目（2014KY03）