摘要：为提高烟机齿轮箱故障诊断的准确率,以烟机塑料齿轮箱为研究对象,通过采用POA获取BP神经网络权值与阈值最优解,提出一种基于POA-BP神经网络的烟机齿轮箱故障诊断模型。仿真结果表明,该模型可准确诊断烟机齿轮箱故障,其分类准确率为99.98%,分类误差为0.005 3,优于ACO-BP等烟机齿轮箱故障诊断模型。

摘要：为提高烟草包装机传动系统滚动轴承状态预测精度,提出一种基于长短时记忆(LSTM)卷积神经网络结合改进卷积神经网络(ICNN)的轴承状态预测方法。首先通过LSTM提取滚动轴承的时序特征;然后在卷积神经网络(CNN)全连接层中嵌入局部最大均值差异函数,从而提取域不变特征,并通过回归损失函数输出传动系统滚动轴承状态预测结果;最后对以上预测方法进行试验验证。试验结果表明,在不同工况下,网络预测模型的RMSE和MAE都较小,且在实际在线监测系统应用中,RMSE和MAE分别为0.082和0.065。由此说明,提出的网络预测模型具有良好的预测精度,可用于烟草设备的在线故障监测。