在智能故障診斷技術(shù)的研究中，小波分析和神經(jīng)網(wǎng)絡(luò)技術(shù)都是熱點(diǎn)研究內(nèi)容。本論文主要進(jìn)行了基于小波分析的信號處理和基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷兩方面的理論上的研究工作。主要研究內(nèi)容總結(jié)如下： 1、RBF網(wǎng)絡(luò)訓(xùn)練的關(guān)鍵在于隱含層參數(shù)的確定。RBF網(wǎng)絡(luò)目前已有的幾種訓(xùn)練方法對于含有隨機(jī)噪聲的復(fù)雜樣本訓(xùn)練速度過慢且分類性能不穩(wěn)定。針對這些缺點(diǎn)，本文依據(jù)相對熵最小原理，提出了一種改進(jìn)的RBF網(wǎng)絡(luò)訓(xùn)練方法——輸出-輸入聚類法。利用此方法對旋轉(zhuǎn)機(jī)械故障樣本進(jìn)行訓(xùn)練，并與其它方法進(jìn)行了比較，結(jié)果顯示此訓(xùn)練方法用時短，網(wǎng)絡(luò)結(jié)構(gòu)簡單，受噪聲影響小。將所創(chuàng)建網(wǎng)絡(luò)應(yīng)用于故障診斷，實例表明此方法訓(xùn)練的網(wǎng)絡(luò)診斷結(jié)果非常準(zhǔn)確，在故障診斷中具有良好的應(yīng)用前景。 2、本文還研究了小波（包）母函數(shù)及基的選擇問題。小波及小波包變換在故障診斷領(lǐng)域中有著廣泛的應(yīng)用，它幫助我們獲得大量故障信號的特征信息。但是，面對大量的小波母函數(shù)以及變換后的很多小波包基，我們需要選擇合適的小波母函數(shù)及其基，因為并非任意的小波母函數(shù)及任意的小波包基都是合適的。本文結(jié)合信息熵的理論，在故障診斷領(lǐng)域中，提出了利用RBF網(wǎng)絡(luò)進(jìn)行小包基選擇的方法，... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 旋轉(zhuǎn)機(jī)械故障診斷的意義
    1.2 設(shè)備故障診斷技術(shù)發(fā)展?fàn)顩r
    1.3 設(shè)備故障診斷技術(shù)的主要研究內(nèi)容
        1.3.1 故障診斷過程簡介
        1.3.2 故障診斷技術(shù)的主要研究內(nèi)容
    1.4 課題的提出及本文主要工作
        1.4.1 課題的提出
        1.4.2 本文主要工作
第2章 故障信號的基本分析方法
    2.1 概述
        2.1.1 信號的分類
        2.1.2 信號描述方法分類
    2.2 信號的時域分析
        2.2.1 概率分析法
        2.2.2 動態(tài)指標(biāo)
        2.2.3 相關(guān)分析
    2.3 信號的頻域分析
        2.3.1 頻譜的形式
        2.3.2 頻譜的計算方法
    2.4 本章小結(jié)
第3章 小波及小波包分析
    3.1 從傅立葉變換到小波變換
        3.1.1 傅立葉變換
        3.1.2 短時傅立葉變換
        3.1.3 小波變換
    3.2 連續(xù)小波變換及其離散化
    3.3 多分辨分析
    3.4 小波包變換
    3.5 故障診斷中小波母函數(shù)及小波基的選擇
        3.5.1 小波母函數(shù)及相應(yīng)基選擇的必要性
        3.5.2 常見的小波母函數(shù)及其性質(zhì)
        3.5.3 故障特征提取中小波（包）基的選擇
    3.6 小波母函數(shù)及其基的選擇應(yīng)用實例
    3.7 本章小結(jié)
第4章 徑向基神經(jīng)網(wǎng)絡(luò)及其訓(xùn)練方法
    4.1 引言
        4.1.1 神經(jīng)網(wǎng)絡(luò)簡介
        4.1.2 神經(jīng)網(wǎng)絡(luò)的故障診斷能力
        4.1.3 神經(jīng)網(wǎng)絡(luò)的分類
    4.2 RBF網(wǎng)絡(luò)結(jié)構(gòu)與工作原理
    4.3 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法
        4.3.1 聚類方法
        4.3.2 正交最小二乘（OLS）學(xué)習(xí)算法
        4.3.3 輸出-輸入聚類法
    4.4 算法實例
        4.4.1 標(biāo)準(zhǔn)樣本的建立
        4.4.2 網(wǎng)絡(luò)的訓(xùn)練
        4.4.3 主要結(jié)論
    4.5 本章小結(jié)
第5章 旋轉(zhuǎn)機(jī)械的故障機(jī)理及診斷
    5.1 旋轉(zhuǎn)機(jī)械常見異常振動概述
    5.2 振動信號的頻域特征提取
        5.2.1 軸的不平衡
        5.2.2 軸不對中故障
        5.2.3 油膜渦動故障
    5.3 故障信號的小波特征提取
        5.3.1 基于能量分布的小波特征提取原理
        5.3.2 實例分析
    5.4 本章小結(jié)
第6章 基于小波分析和神經(jīng)網(wǎng)絡(luò)的故障診斷
    6.1 引言
    6.2 小波包分析和神經(jīng)網(wǎng)絡(luò)的結(jié)合
        6.2.1 RBF網(wǎng)絡(luò)特征選擇的原理
        6.2.2 特征選擇步驟
    6.3 故障診斷實例
    6.4 本章小結(jié)
第7章 總結(jié)與展望
    7.1 本文內(nèi)容總結(jié)
    7.2 進(jìn)一步的工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文和參與的科研項目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的RBF網(wǎng)絡(luò)訓(xùn)練方法在故障診斷中的應(yīng)用[J]. 孟雅俊,黃士濤,姬中華.  鄭州大學(xué)學(xué)報(工學(xué)版). 2005(04)
[2]小波基函數(shù)在故障診斷中的最佳選擇[J]. 陳澤鑫.  機(jī)械科學(xué)與技術(shù). 2005(02)
[3]串行A/D轉(zhuǎn)換器MAX187與單片機(jī)的接口及應(yīng)用[J]. 盧偉,熊茂華.  計算機(jī)與現(xiàn)代化. 2005(02)
[4]齒式聯(lián)軸器聯(lián)接不對中振動機(jī)理及特征分析[J]. 孫超,韓捷,關(guān)惠玲,郝偉.  振動、測試與診斷. 2004(03)
[5]基于RBF網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷方法[J]. 王志鵬,馬孝江.  大連理工大學(xué)學(xué)報. 2001(06)
[6]頻譜校正時譜線干涉的影響及判定方法[J]. 謝明,丁康,莫克斌.  振動工程學(xué)報. 1998(01)
[7]基于小波變換的頻譜細(xì)化分析方法[J]. 馬建倉,吳啟彬,薛建武,羅磊.  信號處理. 1997(03)
[8]人工神經(jīng)網(wǎng)絡(luò)與機(jī)械工程中的智能化問題[J]. 屈梁生.  中國機(jī)械工程. 1997(02)
[9]窗譜校正方法的實用峰值搜尋算法研究[J]. 余佳兵,史鐵林,陳培林,楊叔子.  振動工程學(xué)報. 1996(04)
[10]FFT譜連續(xù)細(xì)化分析的富里葉變換法[J]. 劉進(jìn)明,應(yīng)懷樵.  振動工程學(xué)報. 1995(02)



本文編號：3095082