本文關鍵詞：基于LM-BP神經(jīng)網(wǎng)絡的多級往復式壓縮機氣閥故障診斷研究

  更多相關文章： 6M25往復式壓縮機 氣閥故障 BP神經(jīng)網(wǎng)絡 Levenberg-Marquardt算法 RBF神經(jīng)網(wǎng)絡

【摘要】：本課題“基于LM-BP神經(jīng)網(wǎng)絡的多級往復式壓縮機氣閥故障診斷研究”來源于金昌化學工業(yè)集團有限公司工程項目——往復式壓縮機進出氣閥故障診斷系統(tǒng)開發(fā)。以企業(yè)目前運行的6M25往復式壓縮機為研究對象，充分調研現(xiàn)場情況。根據(jù)設備的運行數(shù)據(jù)和現(xiàn)場故障診斷的經(jīng)驗，，分析氣閥故障與熱力參數(shù)的變化的關系。 本文主要通過研究BP算法的理論基礎，分析BP神經(jīng)網(wǎng)絡算法的原理，并系統(tǒng)研究了BP神經(jīng)網(wǎng)絡在解決機械故障診斷問題的優(yōu)勢，首次提出將Levenberg-Marquardt學習算法優(yōu)化的BP神經(jīng)網(wǎng)絡運用到6M25往復式壓縮機氣閥故障診斷。并以6M25-185/314氫氮氣壓縮機的6級壓差和6級溫差作為網(wǎng)絡的輸入向量，詳細地分析了三層LM-BP神經(jīng)網(wǎng)絡的結構、網(wǎng)絡參數(shù)、訓練模式的選擇對診斷結果的影響。 最后建立可對往復式壓縮機一至六級氣閥故障進行在線監(jiān)測及故障診斷的LM-BP神經(jīng)網(wǎng)絡模型。以100組故障數(shù)據(jù)作為網(wǎng)絡訓練樣本，30組數(shù)據(jù)作為網(wǎng)絡檢測樣本進行故障診斷，在Matlab運行環(huán)境中實現(xiàn)往復式壓縮機氣閥故障診斷問題。仿真結果表明，LM-BP神經(jīng)網(wǎng)絡的故障診斷結果與實測值具有良好的一致性，相比于變梯度BP神經(jīng)網(wǎng)絡和RBF（Radical Basis Function）神經(jīng)網(wǎng)絡診斷更快速穩(wěn)定。利用Matlab軟件平臺設計的基于LM-BP神經(jīng)網(wǎng)絡的往復式壓縮機氣閥故障診斷系統(tǒng)，通過方便簡潔的GUI用戶界面，以數(shù)據(jù)及圖像的方式顯示出診斷結果，模型簡單便于在工程實際中應用。
【關鍵詞】：6M25往復式壓縮機 氣閥故障 BP神經(jīng)網(wǎng)絡 Levenberg-Marquardt算法 RBF神經(jīng)網(wǎng)絡
【學位授予單位】：東華大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP183;TH45
【目錄】：

• 摘要3-4
• ABSTRACT4-6
• 目錄6-8
• 第一章 緒論8-16
• 1.1 課題研究背景及意義8-9
• 1.2 往復式壓縮機氣閥故障診斷技術的發(fā)展9-13
• 1.2.1 機械故障診斷發(fā)展過程9-10
• 1.2.2 往復式壓縮機氣閥故障診斷研究現(xiàn)狀10-12
• 1.2.3 基于神經(jīng)網(wǎng)絡的氣閥故障診斷研究現(xiàn)狀12
• 1.2.4 LM-BP 神經(jīng)網(wǎng)絡氣閥故障診斷過程12-13
• 1.3 課題研究內容13-15
• 1.4 本文組織結構15-16
• 第二章 6M_(25)往復式壓縮機氣閥故障機理分析16-24
• 2.1 6M_(25)往復式壓縮機的組成及工藝參數(shù)16-19
• 2.1.1 6M_(25)往復式壓縮機的組成16-17
• 2.1.2 6M_(25)往復式壓縮機工藝參數(shù)17-19
• 2.2 6M_(25)壓縮機氣閥的組成及工作原理19-21
• 2.2.1 6M_(25)往復式壓縮機氣閥的組成及形式19-20
• 2.2.3 6M_(25)往復式壓縮機氣閥的工作原理20-21
• 2.3 6M_(25)往復式壓縮機氣閥故障原因及影響21-23
• 2.4 本章小結23-24
• 第三章 基于 LM-BP 神經(jīng)網(wǎng)絡的氣閥故障診斷方法24-32
• 3.1 神經(jīng)網(wǎng)絡模型24-26
• 3.1.1 神經(jīng)元模型24-25
• 3.1.2 神經(jīng)元的傳輸函數(shù)25-26
• 3.2 BP 神經(jīng)網(wǎng)絡26-29
• 3.2.1 BP 神經(jīng)網(wǎng)絡模型26-27
• 3.2.2 LM 算法改進的 BP 神經(jīng)網(wǎng)絡27-28
• 3.2.3 LM-BP 網(wǎng)絡算法步驟28-29
• 3.3 基于 LM-BP 神經(jīng)網(wǎng)絡的氣閥故障診斷模型29-31
• 3.4 本章小結31-32
• 第四章 6M_(25)往復式壓縮機氣閥故障診斷及系統(tǒng)設計32-49
• 4.1 6M_(25)往復式壓縮機故障診斷32-45
• 4.1.1 6M_(25)往復式壓縮機氣閥故障特征數(shù)據(jù)采集32-34
• 4.1.2 LM-BP 神經(jīng)網(wǎng)絡的訓練34-37
• 4.1.3 6M_(25)氣閥故障診斷過程及結果37-40
• 4.1.4 6M_(25)氣閥故障診斷方法比較40-45
• 4.2 基于 MATLAB/GUI 氣閥故障故障診斷系統(tǒng)開發(fā)45-48
• 4.3 本章小結48-49
• 第五章 總結與展望49-51
• 5.1 全文總結49
• 5.2 創(chuàng)新點49
• 5.3 研究的不足49-51
• 參考文獻51-54
• 攻讀學位期間的主要學術成果54-55
• 致謝55

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王麗;劉振全;胡淞城;;動態(tài)氣體力對往復式壓縮機氣閥運動規(guī)律影響的研究[J];甘肅科技;2009年03期

2 趙質良;陳學峰;程明;;壓縮機氣閥故障診斷[J];裝備制造技術;2010年10期

3 高晶波,徐敏強,張嘉鐘;2D12型往復式壓縮機氣閥故障診斷的時頻分析方法[J];化工機械;2003年03期

4 高晶波,王日新,徐敏強,馬淑芝;2D12型往復式壓縮機氣閥故障的聲譜診斷方法[J];化工機械;2003年04期

5 林京,劉紅星,屈梁生;功率譜譜距及其模糊測度在氣閥故障診斷中的應用[J];化工機械;1997年03期

6 張文鴿,吳澤寧,逯洪波;BP神經(jīng)網(wǎng)絡的改進及其應用[J];河南科學;2003年02期

7 杜海峰,王孫安;基于ART—人工免疫網(wǎng)絡的多級壓縮機故障診斷[J];機械工程學報;2002年04期

8 金濤,童水光,汪希萱,徐躍坤;往復式活塞壓縮機故障監(jiān)測與診斷技術[J];流體機械;1999年11期

9 尚志信;周宇;葉慶衛(wèi);王曉東;;基于粗糙集和BP神經(jīng)網(wǎng)絡算法的網(wǎng)絡故障診斷模型研究[J];寧波大學學報(理工版);2013年02期

10 謝永成;董今朝;李光升;魏寧;;RBF神經(jīng)網(wǎng)絡在整流器故障診斷中的應用[J];計算機測量與控制;2013年12期

本文編號：531319