本文關鍵詞：基于分形技術與概率神經網絡的柴油機故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經濟社會的高速發(fā)展，制造業(yè)發(fā)展迅猛，柴油機的故障診斷技術迅速發(fā)展，有效降低了設備故障發(fā)生的頻率，提高了經濟效率。本文在前人的研究基礎下，綜合課題的需要和要求，通過提取振動信號為信號源，研究了柴油機發(fā)動機故障特征，，提出了分形技術和概率神經網絡結合分析柴油發(fā)動機的故障特征的研究方法。 本文以柴油發(fā)動機為研究對象，首先給出了機械故障診斷的意義和研究現(xiàn)狀，以及分形理論和神經網絡應用的意義。介紹了小波理論的研究意義，詳細分析了小波和小波包降噪的過程，研究采用小波包降噪的方法來獲取實驗需要的信號，并對比驗證了在信號獲取特征值過程中小波包降噪效果更好。 其次，介紹了分形理論測度方法，分形技術的提出使非線性信號的分析變得更加簡單，重點研究了關聯(lián)維數(shù)，采用經過改進的G-P關聯(lián)算法，研究了延遲時間、無標度區(qū)間的選擇方法。關聯(lián)維數(shù)作為特征值的直觀表現(xiàn)，能很好的反映非線性信號的特點，通過提取關聯(lián)維數(shù)來判斷故障特征。 最后，詳細分析了BP神經網絡和概率神經網絡（PNN）的特點，比較了BP神經網絡的不足，運用了概率神經網絡的故障診斷方法，對樣本進行訓練精確分類故障。說明了神經網絡作為故障識別的一種有效手段，建立樣本訓練庫，更便于故障的分類。為了對故障進行分類判別，運用了分形技術與概率神經網絡相結合的柴油機故障診斷研究方法，通過數(shù)據(jù)分析判斷，驗證了方法的可行性。
【關鍵詞】：柴油機 小波包降噪 故障診斷 分形技術 概率神經網絡
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TK428;TH165.3
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-11
• 第一章 緒論11-21
• 1.1 課題研究背景和意義11-12
• 1.1.1 課題研究的背景11-12
• 1.1.2 開展柴油機發(fā)動機故障診斷技術的主要意義12
• 1.2 研究內容及國內外研究現(xiàn)狀12-15
• 1.2.1 國內外研究現(xiàn)狀12-15
• 1.2.1.1 國外的故障診斷發(fā)展現(xiàn)狀12-13
• 1.2.1.2 我國故障診斷技術的發(fā)展概況13-15
• 1.3 機械故障診斷技術的發(fā)展趨勢15-16
• 1.4 分形理論概況16-19
• 1.4.1 分形理論的發(fā)展16-17
• 1.4.2 分形理論的應用17-19
• 1.5 本文研究內容19-21
• 第二章 小波理論及其在故障診斷中的應用21-40
• 2.1 小波理論及其應用21-29
• 2.1.1 連續(xù)小波變換的定義及數(shù)字實現(xiàn)21-25
• 2.1.1.1 連續(xù)小波變換的定義21-23
• 2.1.1.2 連續(xù)小波變換23-24
• 2.1.1.3 離散小波變換24-25
• 2.1.2 一維瑪拉特算法25-29
• 2.2 小波去噪模型的建立及應用29-32
• 2.2.1 小波去噪模型的建立29-31
• 2.2.2 小波去噪模型的應用31-32
• 2.3 小波包理論在機械故障診斷中的應用32-37
• 2.3.1 小波包理論32-37
• 2.3.2 小波包濾波37
• 2.4 小波降噪與小波包降噪效果對比37-39
• 2.5 本章小結39-40
• 第三章 分形理論40-49
• 3.1 引言40
• 3.2 分形維數(shù)及其測量方法40-48
• 3.2.0 長度測量及其維數(shù)定義40-42
• 3.2.1 盒維數(shù)42-43
• 3.2.2 信息維數(shù)43
• 3.2.3 關聯(lián)維數(shù)43-48
• 3.2.3.1 G-P 關聯(lián)維數(shù)算法44-45
• 3.2.3.2 時間延遲的選擇45-46
• 3.2.3.3 確定無標度區(qū)間46-48
• 3.3 本章小結48-49
• 第四章 分形理論在柴油機故障診斷中的研究49-63
• 4.1 引言49
• 4.2 柴油機的介紹及故障設置49-52
• 4.2.1 柴油機工作原理49-50
• 4.2.2 柴油機實驗測量診斷故障類型的選取50-51
• 4.2.3 柴油機實驗測點設置51-52
• 4.2.4 柴油機故障診斷信號獲取52
• 4.3 關聯(lián)維數(shù)在柴油機振動信號中應用52-62
• 4.3.1 關聯(lián)維數(shù)的應用52-55
• 4.3.2 關聯(lián)維數(shù)在柴油機故障診斷中的應用55-62
• 4.3.2.1 各種工況下信號波形以及關聯(lián)維數(shù)對比55-62
• 4.5 本章小結62-63
• 第五章 基于概率神經網絡技術的柴油機故障診斷研究63-78
• 5.1 前言63
• 5.2 BP 神經網絡63-65
• 5.2.1 BP 神經網絡結構和原理63-65
• 5.2.2 BP 神經網絡的局限性65
• 5.3 PNN 神經網絡的引入65-69
• 5.3.1 PNN 神經網絡的原理及結構特點66-69
• 5.3.1.1 PNN 神經網絡原理66-67
• 5.3.1.2 PNN 神經網絡的結構67-69
• 5.3.1.3 PNN 神經網絡的優(yōu)點69
• 5.4 基于 PNN 神經網絡的柴油機故障診斷69-77
• 5.4.1 問題背景69-71
• 5.4.1.1 特征值得選擇70
• 5.4.1.2 分類器設計70-71
• 5.4.2 PNN 神經網絡的建模71-72
• 5.4.3 柴油機的 PNN 神經網絡故障診斷實現(xiàn)72-77
• 5.5 本章小結77-78
• 第六章 總結與展望78-80
• 6.1 本文總結78
• 6.2 工作展望78-80
• 參考文獻80-85
• 攻讀碩士學位期間發(fā)表的論文85-86
• 致謝86-87

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 金衛(wèi)同;劉東升;李韜;;基于關聯(lián)維數(shù)G-P算法的齒輪故障診斷[J];兵工自動化;2008年05期

2 劉東升;金衛(wèi)同;米雙山;李韜;;小波分形技術在齒輪故障診斷中的應用[J];兵工自動化;2008年12期

3 廖明，石博強，張文明，馮雅麗;分形在柴油機燃油系故障診斷中的應用[J];北京科技大學學報;1998年05期

4 陳軍堂;廖世勇;甘劍鋒;王希偉;朱禮杰;米林;;分形維數(shù)在基于噪聲的發(fā)動機故障診斷中的應用[J];車用發(fā)動機;2011年05期

5 張朝暉,黃惟一;振動波形的分形判別及特征提取[J];東南大學學報;1999年04期

6 付華;尹麗娜;汪琦;;基于小波和概率神經網絡的煤礦主通風機故障診斷[J];電氣技術;2007年04期

7 耿紀洲;程廣濤;王成愷;;基于小波分形技術提取發(fā)動機曲軸軸承故障特征[J];工業(yè)儀表與自動化裝置;2013年04期

8 李曉磊;劉建敏;喬新勇;李曉偉;張杰;;柴油機活塞敲擊及其振動響應機理研究[J];車用發(fā)動機;2014年01期

9 劉占生,劉成敏,劉樹春,范顯峰,唐炳照;小波分析和分形幾何在轉子動靜碰摩故障診斷中的應用[J];哈爾濱工業(yè)大學學報;1999年01期

10 姬東朝;宋筆鋒;易華輝;;基于概率神經網絡的設備故障診斷及仿真分析[J];火力與指揮控制;2009年01期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 杜必強;振動故障遠程診斷中的分形壓縮及分形診斷技術研究[D];華北電力大學（河北）;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 王秋勤;基于概率神經網絡的發(fā)動機故障診斷研究[D];西南林業(yè)大學;2010年

2 唐娟;柴油機振動信號特征參數(shù)提取方法及缸內壓力信號重構方法的研究[D];山東大學;2007年

3 郭鋼祥;基于局域均值分解和神經網絡的柴油機故障診斷研究[D];中北大學;2013年

  本文關鍵詞：基于分形技術與概率神經網絡的柴油機故障診斷，由筆耕文化傳播整理發(fā)布。

本文編號：284800