隨著機(jī)械設(shè)備大型化、連續(xù)化、自動化程度的不斷提高,對故障診斷技術(shù)的要求也越來越高。本文針對故障診斷領(lǐng)域內(nèi)機(jī)械設(shè)備狀態(tài)預(yù)警技術(shù)和故障診斷技術(shù)的研究現(xiàn)狀,運用人工神經(jīng)網(wǎng)絡(luò)的方法,對這一問題進(jìn)行了研究。主要內(nèi)容概括如下：（1）論述了目前故障診斷領(lǐng)域的研究現(xiàn)狀以及主要的技術(shù)手段、方法,指出其存在的不足,提出了本文的研究內(nèi)容及意義；（2）根據(jù)人工神經(jīng)網(wǎng)絡(luò)理論,分析了多種神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)、運行機(jī)理、參數(shù)的選取以及各自的優(yōu)缺點,重點研究了概率神經(jīng)網(wǎng)絡(luò),并根據(jù)不同的應(yīng)用目的對其進(jìn)行了相應(yīng)的改進(jìn),確定了本文主要的技術(shù)手段；（3）為解決目前故障診斷領(lǐng)域中機(jī)械設(shè)備預(yù)警技術(shù)存在的缺陷,本文以設(shè)備運行的歷史數(shù)據(jù)為基礎(chǔ),運用概率神經(jīng)網(wǎng)絡(luò)理論,構(gòu)建了設(shè)備運行狀態(tài)預(yù)警模型,通過仿真證明了該模型的正確性和合理性；（4）在上述模型的基礎(chǔ)上,根據(jù)概率大小設(shè)置了自適應(yīng)報警線,仿真驗證了該報警線能根據(jù)設(shè)備運行的實際情況而自動調(diào)整；（5）分別運用BP誤差反傳神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)模型,對齒輪箱的典型故障進(jìn)行了診斷,并對三種網(wǎng)絡(luò)模型的診斷性能進(jìn)行了對比分析。 

【文章來源】：西安建筑科技大學(xué)陜西省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景和意義
    1.2 故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 故障診斷技術(shù)的含義及研究內(nèi)容
        1.2.2 故障診斷技術(shù)的研究現(xiàn)狀
        1.2.3 故障診斷技術(shù)的發(fā)展趨勢
    1.3 故障診斷中報警技術(shù)的研究現(xiàn)狀
        1.3.1 目前常見的報警方法
        1.3.2 目前報警方法存在的問題
    1.4 本文研究內(nèi)容
2 人工神經(jīng)網(wǎng)絡(luò)
    2.1 人工神經(jīng)網(wǎng)絡(luò)概述
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史
        2.1.2 人工神經(jīng)網(wǎng)絡(luò)的基本模型
        2.1.3 人工神經(jīng)網(wǎng)絡(luò)的功能
        2.1.4 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域
    2.2 幾種常見的人工神經(jīng)網(wǎng)絡(luò)
        2.2.1 BP神經(jīng)網(wǎng)絡(luò)
        2.2.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
        2.2.3 概率神經(jīng)網(wǎng)絡(luò)
    2.3 人工神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域的應(yīng)用
    2.4 本章小結(jié)
3 設(shè)備運行狀態(tài)預(yù)警模型
    3.1 機(jī)械設(shè)備的故障模式及特點
        3.1.1 機(jī)械故障的含義及特點
        3.1.2 機(jī)械設(shè)備的故障模式
    3.2 機(jī)械設(shè)備的一般劣化過程及設(shè)備運行狀態(tài)的劃分
    3.3 概率神經(jīng)網(wǎng)絡(luò)的改進(jìn)
    3.4 設(shè)備運行狀態(tài)預(yù)警模型的構(gòu)建
        3.4.1 平滑因子的確定
        3.4.2 數(shù)據(jù)預(yù)處理
        3.4.3 模型預(yù)警參數(shù)的選擇
    3.5 實驗數(shù)據(jù)的獲取
        3.5.1 實驗裝置
        3.5.2 數(shù)據(jù)采集與分析系統(tǒng)
        3.5.3 實驗方法
    3.6 模型的實驗驗證及分析
        3.6.1 正常狀態(tài)下設(shè)備的預(yù)警模型
        3.6.2 包含故障狀態(tài)下的設(shè)備預(yù)警模型
    3.7 自適應(yīng)報警線的確定
        3.7.1 報警閾值的確立
        3.7.2 正常狀態(tài)下的報警線
        3.7.3 包含故障數(shù)據(jù)的報警線
        3.7.4 自適應(yīng)報警線
    3.8 本章小結(jié)
4 人工神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用
    4.1 齒輪箱的故障診斷
        4.1.1 齒輪箱故障類型的確定
        4.1.2 特征量的選取
    4.2 基于BP神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷模型
        4.2.1 網(wǎng)絡(luò)模型的構(gòu)建
        4.2.2 網(wǎng)絡(luò)的訓(xùn)練與仿真
    4.3 基于RBF網(wǎng)絡(luò)的齒輪箱故障診斷模型
        4.3.1 用精確設(shè)計函數(shù)進(jìn)行診斷
        4.3.2 用普通設(shè)計函數(shù)進(jìn)行診斷
    4.4 基于概率神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷模型
        4.4.1 概率神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定
        4.4.2 訓(xùn)練函數(shù)的編寫及仿真
    4.5 三種網(wǎng)絡(luò)診斷性能的比較
    4.6 本章小結(jié)
5 結(jié)論與展望
    5.1 本文結(jié)論
    5.2 論文展望
致謝
參考文獻(xiàn)
附錄
    攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]RBF神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J]. 王光研,許寶杰.  機(jī)械設(shè)計與制造. 2008(09)
[2]智能故障診斷方法的研究和展望[J]. 張冰凌,許英姿,潘全文.  飛機(jī)設(shè)計. 2007(05)
[3]礦用主通風(fēng)機(jī)故障預(yù)警及其軟件開發(fā)[J]. 付勝,李海濤,朱全.  北京工業(yè)大學(xué)學(xué)報. 2007(08)
[4]基于優(yōu)化平滑因子σ的概率神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法研究[J]. 陳波,郭壯志.  現(xiàn)代電力. 2007(02)
[5]Improved BP Neural Network for Transformer Fault Diagnosis[J]. SUN Yan-jing, ZHANG Shen, MIAO Chang-xin, LI Jing-meng School of Information and Electrical Engineering, China University of Mining & Technology, Xuzhou, Jiangsu 221008, China.  Journal of China University of Mining & Technology. 2007(01)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷[J]. 傅其鳳,葛杏衛(wèi).  煤礦機(jī)械. 2006(04)
[7]機(jī)械故障診斷的現(xiàn)狀與發(fā)展趨勢[J]. 陸春月,王俊元.  機(jī)械管理開發(fā). 2004(06)
[8]BP神經(jīng)網(wǎng)絡(luò)用于風(fēng)機(jī)振動報警時間預(yù)測[J]. 秦衡峰,卜英勇,王福亮.  中國設(shè)備工程. 2004(09)
[9]液壓動力系統(tǒng)運行狀態(tài)識別技術(shù)研究[J]. 谷立臣,張優(yōu)云,丘大謀.  機(jī)械工程學(xué)報. 2001(06)
[10]機(jī)械設(shè)備事故趨勢與越限綜合報警方法[J]. 劉剛,郝敬敏,鄺繼雙.  河北農(nóng)業(yè)大學(xué)學(xué)報. 2000(04)

碩士論文
[1]基于時、頻域—小波分析和神經(jīng)網(wǎng)絡(luò)方法的齒輪箱故障診斷研究[D]. 時建峰.太原理工大學(xué) 2008
[2]基于振動信號分析和神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷技術(shù)研究[D]. 熊健.中北大學(xué) 2008
[3]人工神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷應(yīng)用中的比較研究[D]. 劉毅.廣西大學(xué) 2007
[4]機(jī)械故障診斷中的自適應(yīng)報警技術(shù)研究[D]. 張遂強(qiáng).鄭州大學(xué) 2006
[5]設(shè)備剩余壽命的預(yù)測與分析[D]. 邱立鵬.大連理工大學(xué) 2000



本文編號：3501969