近年來,隨著現(xiàn)代化生產(chǎn)的發(fā)展,機械設(shè)備的安全性和可靠性問題越來越突出,設(shè)備中可能出現(xiàn)的小故障會造成整個系統(tǒng)設(shè)備的癱瘓,為了提高設(shè)備的安全可靠性、降低設(shè)備強迫停運、降低維修費用、延長設(shè)備的使用壽命等,關(guān)于機械設(shè)備的故障診斷技術(shù)越來越受到重視。機械的故障診斷技術(shù)是隨著現(xiàn)代化大生產(chǎn)工業(yè)的發(fā)展而發(fā)展起來的一項機械設(shè)備診斷技術(shù),是大型機械設(shè)備安全可靠運行的關(guān)鍵技術(shù)之一,也是各種自動化系統(tǒng)及一般機械系統(tǒng)的效率和可靠性進(jìn)行預(yù)知維修及預(yù)知管理的基礎(chǔ)。因此關(guān)于機械設(shè)備故障診斷技術(shù)的研究具有重要的意義。 LVQ神經(jīng)網(wǎng)絡(luò)能夠通過競爭性的隱含層來傳遞函數(shù),并根據(jù)目標(biāo)的類別將輸入向量進(jìn)行組合分類。競爭層能夠?qū)W習(xí)對輸入向量的分類,線性層將競爭層傳來的分類信息轉(zhuǎn)變成使用者所定義的類別。LVQ神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于:它不但能夠?qū)�性輸入數(shù)據(jù)進(jìn)行分類,而且還能處理多維的、甚至是含噪含干擾的數(shù)據(jù)量。當(dāng)然LVQ網(wǎng)絡(luò)也有不足之出:最嚴(yán)重的問題是沒能力來解釋自己的推理過程和推理依據(jù);其次,把一切問題的特征都變?yōu)閿?shù)字,把一切推理都變?yōu)閿?shù)值計算,其結(jié)果勢必是丟失信息;再者不能向用戶提出必要的詢問,而且當(dāng)數(shù)據(jù)不充分的時候,神經(jīng)網(wǎng)絡(luò)就無法進(jìn)行工作;最后理論和學(xué)習(xí)算法還有待于進(jìn)一步完善和提高。 論文首先介紹了人工神經(jīng)網(wǎng)絡(luò)的理論知識,接著介紹了關(guān)于BP神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)過程以及網(wǎng)絡(luò)設(shè)計方法,然后基于BP神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)理論出發(fā)分別構(gòu)造BP網(wǎng)絡(luò)的網(wǎng)絡(luò)模型和LVQ網(wǎng)絡(luò)的網(wǎng)絡(luò)模型。在齒輪箱故障診斷的實例當(dāng)中,分別采用BP神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)對齒輪箱的機械故障進(jìn)行診斷,并將兩個神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果進(jìn)行比較,得出LVQ神經(jīng)網(wǎng)絡(luò)在機械設(shè)備故障診斷的應(yīng)用中更具有優(yōu)勢,更適合用來作為檢測機械設(shè)備的故障。最后文章進(jìn)行總結(jié)工作,并提出了下一步的研究方向。
【學(xué)位單位】：安徽農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2010
【中圖分類】：TH165.3;TP183
【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 齒輪箱故障概述
    2.1 齒輪箱故障
    2.2 齒輪箱故障介紹
    2.3 本章小結(jié)
第3章 人工神經(jīng)網(wǎng)絡(luò)基本理論
    3.1 神經(jīng)網(wǎng)絡(luò)理論
    3.2 神經(jīng)網(wǎng)絡(luò)的特點
    3.3 神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容
    3.4 神經(jīng)網(wǎng)絡(luò)的應(yīng)用
    3.5 神經(jīng)網(wǎng)絡(luò)的發(fā)展史
    3.6 神經(jīng)網(wǎng)絡(luò)模型
        3.6.1 神經(jīng)元模型
        3.6.2 神經(jīng)網(wǎng)絡(luò)的互連模式
    3.7 本章小結(jié)
第4章 BP 神經(jīng)網(wǎng)絡(luò)
    4.1 BP 神經(jīng)網(wǎng)絡(luò)概念
    4.2 BP 神經(jīng)網(wǎng)絡(luò)算法的推導(dǎo)及學(xué)習(xí)訓(xùn)練過程
        4.2.1 BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
        4.2.2 BP 網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程
    4.3 BP 網(wǎng)絡(luò)設(shè)計技巧
        4.3.1 BP 網(wǎng)絡(luò)的層數(shù)設(shè)計
        4.3.2 BP 網(wǎng)絡(luò)的輸入層和輸出層的設(shè)計
        4.3.3 隱含層節(jié)點的設(shè)計
    4.4 確定初始權(quán)值的選取
    4.5 BP 網(wǎng)絡(luò)的優(yōu)缺點
    4.6 本章小結(jié)
第5章 LVQ 神經(jīng)網(wǎng)絡(luò)
    5.1 LVQ 網(wǎng)絡(luò)概念
    5.2 LVQ 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法與過程
        5.2.1 LVQ 神經(jīng)網(wǎng)絡(luò)算法
        5.2.2 LVQ 網(wǎng)絡(luò)的學(xué)習(xí)過程
    5.3 LVQ 網(wǎng)絡(luò)設(shè)計技巧
        5.3.1 LVQ 網(wǎng)絡(luò)層數(shù)的設(shè)計
        5.3.2 初始權(quán)值的選取
    5.4 LVQ 網(wǎng)絡(luò)的優(yōu)缺點
    5.5 本章小結(jié)
第6章 基于BP 網(wǎng)絡(luò)和LVQ 網(wǎng)絡(luò)的齒輪箱故障診斷
    6.1 模型輸入、輸出量參數(shù)的確定
    6.2 BP 神經(jīng)網(wǎng)絡(luò)設(shè)計
    6.3 LVQ 神經(jīng)網(wǎng)絡(luò)設(shè)計
    6.4 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
致謝
在校期間發(fā)表的論文

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王凱;任子暉;谷林柱;陳力;;LVQ神經(jīng)網(wǎng)絡(luò)在煤礦風(fēng)機故障診斷中的研究[J];煤礦機械;2011年11期

相關(guān)碩士學(xué)位論文 前4條

1 段玲君;基于支持向量機的同步風(fēng)電機組故障診斷系統(tǒng)的研究[D];中南大學(xué);2012年

2 張青;風(fēng)力發(fā)電機齒輪箱振動監(jiān)測和故障診斷系統(tǒng)研究[D];華東理工大學(xué);2013年

3 張彥創(chuàng);風(fēng)電機組狀態(tài)監(jiān)測與故障診斷系統(tǒng)的設(shè)計與實現(xiàn)[D];吉林大學(xué);2013年

4 陳長紅;增程式電動汽車控制策略的研究[D];遼寧工業(yè)大學(xué);2013年

本文編號：2882145