神经网络是一种机器学习算法，而反向传播网络（简称BP网络）作为一种应用最广泛的神经网络，具备一套完整的理论体系和成熟的学习机制。它模仿人脑神经元对外部激励信号的反应过程，建立多层感知器模型，利用信号正向传播和误差反向调节机制，通过多次迭代学习，搭建出处理非线性信息的网络模型。BP网络及其算法是人工神经网络的精华所在，它被广泛应用于函数逼近 ^[1、2] 、模式识别 ^[3、4] 、故障分类等方面 ^[5] 。而实际应用的人工神经网络，都是直接采用BP网络或是其变种形式。

遗传算法（Genetic Algorithm，GA），是一种经过计算机编程实现的、模拟自然界生物进化机制（达尔文进化论）发展起来的随机全局搜索优化方法 ^[6、7] 。在对目标空间的搜索过程中，能够实现自动地获取并积累存在于搜索空间的知识，高效地、自适应地接近目标函数的最优方案。

本章结合以上两种算法，提出一种基于遗传神经网络的轴承健康状态诊断模型。传统的由遗传神经网络构成的健康状态诊断模型，存在收敛速度慢的问题，同时诊断中对当前输入数据的偏向性很重，出于这方面的考虑，本章对适应度函数进行改进，避免进化初期超个体的误导偏向作用，并且引入交叉次数和变异次数，加快模型的收敛速度。 cvM8u52bnbiNpCUq4uEunnNNnlIIIKGw7DXnfybuehztY2AK23uh3CrdMgx1UGEn