發(fā)布時(shí)間：2017-12-25 18:34

  本文關(guān)鍵詞：基于量子行為粒子群優(yōu)化算法的振動信號故障診斷　出處：《西南交通大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 振動信號 故障診斷 QPSO 小波閾值濾波 Elman神經(jīng)網(wǎng)絡(luò)

【摘要】：在當(dāng)代工廠中,機(jī)械系統(tǒng)日益趨于連續(xù)高速化和大型化。為了盡量減少因設(shè)備故障引起的事故及損失,對運(yùn)轉(zhuǎn)中的生產(chǎn)設(shè)備進(jìn)行實(shí)時(shí)的監(jiān)測是十分必要的,且具有重大的意義。在工業(yè)中,振動信號普遍存在且易于采集。因此,基于振動信號,對設(shè)備進(jìn)行故障診斷,有著重大意義。在諸多的信號降噪處理及故障診斷方法中,本文針對常用的小波閾值濾波降噪方法以及Elman神經(jīng)網(wǎng)絡(luò)模式識別故障診斷方法進(jìn)行研究。并提出了利用量子行為粒子群(QPSO)優(yōu)化算法的全局搜索尋優(yōu)能力對小波閾值濾波降噪方法以及Elman神經(jīng)網(wǎng)絡(luò)的缺陷進(jìn)行優(yōu)化。利用小波閾值濾波方法對信號進(jìn)行降噪的過程中,閾值的大小決定著降噪后的信號的質(zhì)量。因此,提出了利用QPSO算法對小波閾值濾波進(jìn)行優(yōu)化。基于QPSO算法的全局搜索尋優(yōu)能力,找出最優(yōu)的閾值,進(jìn)而對信號降噪。通過仿真驗(yàn)證,結(jié)果表明,提出的降噪濾波方法其效果優(yōu)于小波閾值濾波方法。針對Elman神經(jīng)網(wǎng)絡(luò)的部分缺陷,如易陷入局部極小。因此,本文決定利用QPSO算法對其進(jìn)行優(yōu)化�；赒PSO算法擁有的全局搜索尋優(yōu)性能,對Elman神經(jīng)網(wǎng)絡(luò)中的部分缺陷予以消除。最后,利用滾動軸承振動信號數(shù)據(jù)進(jìn)行驗(yàn)證提出方法的正確性。利用QPSO優(yōu)化小波閾值對滾動軸承振動信號進(jìn)行濾波,并與通用小波閾值濾波進(jìn)行了對比,結(jié)果表明,提出的新方法獲得了較好的效果。接著,對經(jīng)QPSO優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行了驗(yàn)證,同時(shí),與Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行了對比,結(jié)果表明,經(jīng)QPSO優(yōu)化后的Elman神經(jīng)網(wǎng)絡(luò)能夠很快達(dá)到了預(yù)設(shè)的誤差目標(biāo)值并且具有更高的識別率。因此,本文提出的方法具有可行性、有效性以及準(zhǔn)確性,經(jīng)QPSO優(yōu)化的故障診斷方法具有更大的優(yōu)勢以及較好的應(yīng)用前景。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TH17

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟祥忠;王振起;林存海;;基于模糊診斷理論的提升機(jī)振動監(jiān)測診斷系統(tǒng)[J];電子測量技術(shù);2016年09期

2 張才勛;林興德;趙建玲;余訓(xùn)臻;王力;朱敬軍;幸浩洋;;Discrimination of neutrons and γ-rays in liquid scintillator based on Elman neural network[J];Chinese Physics C;2016年08期

3 WANG Yingmin;ZHANG Fujun;CUI Tao;ZHOU Jinlong;;Fault Diagnosis for Manifold Absolute Pressure Sensor(MAP) of Diesel Engine Based on Elman Neural Network Observer[J];Chinese Journal of Mechanical Engineering;2016年02期

4 吳炬卓;牛海清;葉開發(fā);;基于粒子群優(yōu)化的最佳閾值法在局部放電信號去噪中應(yīng)用[J];電測與儀表;2015年10期

5 楊志超;張成龍;吳奕;安薇薇;朱海兵;龔燈才;;基于粗糙集和RBF神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法研究[J];電測與儀表;2014年21期

6 丁碩;常曉恒;巫慶輝;楊友林;胡慶功;;基于Elman神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷研究[J];國外電子測量技術(shù);2014年04期

7 高兵兵;蔣占四;張應(yīng)紅;胡志鵬;韓晉棟;;煤礦風(fēng)機(jī)小波神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)研究[J];煤礦機(jī)械;2014年03期

8 張麗娜;;數(shù)字信號處理的時(shí)頻分析方法綜述[J];信息技術(shù);2013年06期

9 王元章;李智華;吳春華;周笛青;付立;;基于BP神經(jīng)網(wǎng)絡(luò)的光伏組件在線故障診斷[J];電網(wǎng)技術(shù);2013年08期

10 鄧承志;;粒子群優(yōu)化的最佳閾值選取[J];計(jì)算機(jī)工程與應(yīng)用;2012年26期

相關(guān)碩士學(xué)位論文 前4條

1 張菲;基于LMD和HSMM的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];西南交通大學(xué);2016年

2 白慧芳;基于解析模型的液壓調(diào)平系統(tǒng)的故障診斷[D];中北大學(xué);2015年

3 劉敏娜;改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)在齒輪箱故障診斷中的應(yīng)用[D];中北大學(xué);2012年

4 葉高翔;循環(huán)平穩(wěn)理論在滾動軸承故障檢測中的應(yīng)用[D];浙江大學(xué);2007年

，

本文編號：1333977