混沌是非线性系统独有且广泛存在的一种非周期运动形式，其覆盖面涉及到自然科学和社会科学的几乎每一个分支。混沌运动具有遍历性，在运动的范围内按其自身规律不重复地遍历所有状态。因此，利用混沌变量进行优化搜索能跳出局部*优。混沌优化方法进行寻优的基本思想是把混沌变量线性映射到优化变量的取值空间，然后利用混沌变量进行搜索。

　　神经网结具有能以任意精度逼近复杂非线性函数、强鲁棒性和容错性、大规模并行性和能学习与适应严重不确定系统的动态特性等优势，是智能信息处理的重要分支，但神经网结在求解许多实际问题时所遇到的*大困难是极易陷入局部极小点。为了避免这一问题，人们提出了很多方法并将其融入神经网结之中，比较有代表性的有模拟退火法和遗传算法。

　　混沌优化与神经网结的结合是近几年的事，工作才刚起步，理论还远不成熟。然而，它是建立在人脑存在混沌这个前提之上的，因而它也就具有了生理学基础和生命力。在混沌搜索过程中，将搜索到的混沌优化变量形成NN网结的连接权值，再由NN计算其适应度函数，然后利用混沌变量产生函数改变神经网结的连接权值，以达到快速搜索的目的。这样做，既可保证收敛的全局*小点，又能保证收敛的速度。

　　1混沌神经网络11神经网结结构设计多层前馈神经网结一般有多个隐含层，理论上已证明一个三层前馈神经网结，如果隐层单元数目可根据需要自由设定，那幺它可以实现以任意精度逼近任意函数。人们通常采用三层前馈神经网结进行实际应用，三层前馈神经网结模型有三个神经元层，分别为输入层、隐含层、输出层，各层之间的神经元全都互相连接，且各层内的神经元之间不连接。选取输入层节点数n，输出层节点数m，隐含层节点数ni，神经元的激活函数采用S型函数。BP算法是通过一个使代价函数*小化的过程来芫成输入到输出的映射，代价函数定义为所有输入模式上输出层神经元的理想输出与实际输出的误差平方和，即预处理、变尺度混沌神经网结功能块CNN、输出量的处理。这3个部分组成一个整体，通过对已知学习样本的学习，调整好内部参数，然后对未知情况作出原始数据预处理入数据中国钨业bookmark4期望输出变尺度混沌神经网结模型结构2球磨机故障诊断模型的研究21球磨机的故障原因和表征方法与表征参数表征磨矿过程的参数较多，如生产的工艺参数和设备运行参量（如振动、轴瓦温升）等，它们的变化将会影响球磨机的生产效率，从而影响选矿过程的进行及选矿生产指标的稳定，所以对球磨机的故障诊断是十分重要的。磨矿生产过程中的故障包拮两个部分：球磨机本身的故障和生产工艺故障。其主要故障见表1，其中前5个为球磨机本身故障，中间5个为润滑系统故障，*后2个为在生产工艺过程中经常出现的状态故障。作为转子系统，振动信号是表征设备运行状态的一个重要参量，当球磨机出现某一故障时，其振动信号必然呈现出相应的征兆。因此，可从振动信号中提取设备故障信息。

　　在试验台上模拟油膜涡动、不平衡、不对中三种故障，分别取振动信号频谱图中的（0.4h.5）u*、1*、2*、3*、>3*分量作为特征量，每种故障选4组频谱值，构成相应4种故障M=12组学习样本（表2），每种故障另选一个样本作为检验样本（表3）。

　　表1球磨机的故障原因和表征方法与表征参数序号故障现象故障原因表征方法表征参数球磨机启动时，电机超负荷或不能启动（不平衡）启动前没有盘车频谱和波形特征振动信号油膜涡动轴与轴承间隙太大；润滑不良频谱和波形特征振动信号球磨机振动和有撞击声（齿轮故障）齿轮啮合不好，或磨损过甚，或间隙中间有杂物；地脚螺丝或轴承螺丝松动；小齿轮轴串动频谱和波形特征振动信号端盖与筒体联接处、衬板螺钉处漏矿浆（机械松动）联接螺丝松动；定位销子过松；衬板螺丝松动，密封圈磨损，螺栓打断频谱和波形特征振动信号不对中装配不当或基础损坏频谱和波形特征振动信号主轴承温度过高或熔化供给主轴承的润滑油中断或太少温度和流量温度和流量信号轴承冒烟或电机超负荷断电润滑油中断或太少；矿浆、砂土落入轴承；冷却水太少，水温过高；安装不正确，轴颈与轴瓦接触不良温度和流量温度和流量信号油压过高或过低油管堵塞，油量不足；油粘度不合，过胀，过滤机堵塞。

　　油压变化压力信号主轴承断油油泵故障和循环油路堵塞、漏油温度和流量温度和流量信号球磨机胀肚给矿量和磨矿浓度过高电流、筒体声响的变化电流、排矿量、声信号球磨机欠载给矿量和磨矿浓度过低同上表2混沌神经网结训练样本及其模型实际输出序号振动特征信号（输入）期望输出模型实际输出表3混沌神经网结检验样本与预测输出故障振动特征信号（输入）模型预测输出油膜涡动不平衡不对中时发现球磨机在运行过程中存在的问题，为设备故障诊断的发展提供了一个新的可行的途径。