復(fù)雜機(jī)械系統(tǒng)狀態(tài)和性能的診斷與評(píng)估是先進(jìn)制造系統(tǒng)的重要組成部分,也是保證生產(chǎn)和質(zhì)量控制的穩(wěn)定性的重要手段�；趥鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)的智能診斷技術(shù)在對(duì)復(fù)雜機(jī)械設(shè)備的狀態(tài)和性能進(jìn)行診斷和評(píng)估時(shí),常遭受“穩(wěn)定性”和“適應(yīng)性”的困窘,而基于自適應(yīng)共振理論的神經(jīng)網(wǎng)絡(luò)則能很好地解決此問題。為了充分發(fā)揮該網(wǎng)絡(luò)的優(yōu)勢(shì),使其更好地應(yīng)用于設(shè)備的狀態(tài)和性能的診斷與評(píng)估之中,本論文以自適應(yīng)共振理論為基礎(chǔ),深入研究了基于自適應(yīng)共振理論的混合智能診斷技術(shù),并將其應(yīng)用于自制的準(zhǔn)高速進(jìn)給系統(tǒng)的狀態(tài)和性能的評(píng)估和診斷分析之中。論文首先深入地分析了模糊自適應(yīng)共振理論（Fuzzy ART）的基本原理和性質(zhì)。針對(duì)Fuzzy ART的性能受訓(xùn)練樣本順序影響的缺點(diǎn),以及基于Yu的范數(shù)的相似分類器和ART的優(yōu)點(diǎn),提出了一種基于Yu的范數(shù)的ART-Similarity無監(jiān)督診斷方法。從多個(gè)角度提取反應(yīng)機(jī)械設(shè)備不同狀態(tài)和性能的特征參數(shù),利用距離區(qū)分技術(shù)進(jìn)行敏感特征參數(shù)的選擇,并結(jié)合ART-Similarity分類器對(duì)機(jī)械設(shè)備的狀態(tài)和性能進(jìn)行診斷分析。通過對(duì)齒輪不同剝落程度的故障分析,結(jié)果表明結(jié)合特征選擇的無監(jiān)督分類方法的診斷精度較高,甚至優(yōu)于... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：137 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題概述
    1.2 設(shè)備診斷發(fā)展歷史及研究內(nèi)容
    1.3 智能診斷技術(shù)的研究現(xiàn)狀
    1.4 自適應(yīng)共振理論的研究現(xiàn)狀
    1.5 混合智能診斷技術(shù)的研究現(xiàn)狀
    1.6 課題提出及研究目的
    1.7 論文研究內(nèi)容及安排
2 基于Yu的范數(shù)ART-Similarity無監(jiān)督智能診斷方法的研究
    2.1 引言
    2.2 特征參數(shù)的抽取
    2.3 基于距離區(qū)分技術(shù)的特征參數(shù)選擇
    2.4 Fuzzy ART的概述
    2.5 基于Yu的范數(shù)ART-Similarity的算法
    2.6 診斷模型
    2.7 仿真試驗(yàn)
    2.8 本章小結(jié)
3 基于改進(jìn)Fuzzy ARTMAP有監(jiān)督智能診斷方法的研究
    3.1 引言
    3.2 Fuzzy ARTMAP的原理
    3.3 改進(jìn)的Fuzzy ARTMAP網(wǎng)絡(luò)
    3.4 特征參數(shù)提取
    3.5 診斷系統(tǒng)
    3.6 仿真試驗(yàn)
    3.7 本章小結(jié)
4 基于特征域選擇性集成的Fuzzy ARTMAP智能診斷方法的研究
    4.1 引言
    4.2 特征參數(shù)的抽取和選擇
    4.3 選擇性集成的Fuzzy ARTMAP智能診斷方法
    4.4 仿真試驗(yàn)
    4.5 本章小結(jié)
5 基于加權(quán)的Fuzzy ARTMAP智能診斷方法的研究
    5.1 引言
    5.2 加權(quán)的Fuzzy ARTMAP
    5.3 基于改進(jìn)距離評(píng)估技術(shù)的特征選擇和加權(quán)
    5.4 基于加權(quán)的Fuzzy ARTMAP的診斷系統(tǒng)
    5.5 仿真分析
    5.6 本章小結(jié)
6 基于Fuzzy ART&ARTMAP診斷及規(guī)則抽取的研究
    6.1 引言
    6.2 Fuzzy ARTMAP網(wǎng)絡(luò)規(guī)則抽取
    6.3 Fuzzy ART&ARTMAP規(guī)則的建立
    6.4 仿真分析
    6.5 本章小結(jié)
7 基于ART-RBF混合預(yù)測(cè)方法的研究
    7.1 引言
    7.2 基于ART-RBF的混合預(yù)測(cè)模型
    7.3 預(yù)測(cè)結(jié)果的評(píng)價(jià)方法
    7.4 仿真分析
    7.5 本章小結(jié)
8 基于ART混合智能診斷方法在進(jìn)給系統(tǒng)中的應(yīng)用
    8.1 引言
    8.2 進(jìn)給系統(tǒng)機(jī)械裝備
    8.3 進(jìn)給系統(tǒng)狀態(tài)和性能監(jiān)測(cè)分析
    8.4 本章小結(jié)
9 全文總結(jié)與展望
    9.1 全文總結(jié)
    9.2 研究展望
致謝
參考文獻(xiàn)
附錄Ⅰ 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
附錄Ⅱ 實(shí)驗(yàn)裝置實(shí)物圖
附錄Ⅲ 獲獎(jiǎng)證書


【參考文獻(xiàn)】：
期刊論文
[1]GRNN算法在電力系統(tǒng)負(fù)荷建模中的應(yīng)用[J]. 余健明,李萌,舒菲.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2009(01)
[2]基于聲強(qiáng)信號(hào)分析和組合神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷[J]. 李增芳,何勇,徐高歡.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2008(12)
[3]基于小波灰度矩向量與連續(xù)馬爾可夫模型的軸承故障診斷[J]. 徐增丙,軒建平,史鐵林,吳波,胡友民.  中國機(jī)械工程. 2008(15)
[4]旋轉(zhuǎn)機(jī)械故障診斷的神經(jīng)網(wǎng)絡(luò)方法研究[J]. 欒美潔,許飛云,賈民平.  噪聲與振動(dòng)控制. 2008(01)
[5]RBF神經(jīng)網(wǎng)絡(luò)在股價(jià)預(yù)測(cè)中的應(yīng)用[J]. 江弋,林永鵬.  心智與計(jì)算. 2007(04)
[6]基于RBF神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)算法[J]. 朱文興,龍艷萍,賈磊.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2007(04)
[7]雙重BP神經(jīng)網(wǎng)絡(luò)組合模型在實(shí)時(shí)數(shù)據(jù)預(yù)測(cè)中的應(yīng)用[J]. 李蔚,盛德仁,陳堅(jiān)紅,任浩仁,袁鎮(zhèn)福,岑可法,周永剛.  中國電機(jī)工程學(xué)報(bào). 2007(17)
[8]基于雙重競爭共振機(jī)制的模糊ART神經(jīng)網(wǎng)絡(luò)[J]. 汪國有,張磊,王文濤.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(10)
[9]基于動(dòng)態(tài)樹理論的刀具磨損監(jiān)測(cè)技術(shù)[J]. 高宏力,許明恒,傅攀,杜全興.  機(jī)械工程學(xué)報(bào). 2006(07)
[10]基于小波包能量譜的HMM鉆頭磨損監(jiān)測(cè)[J]. 鄭建明,李言,袁啟龍,李鵬陽.  中國機(jī)械工程. 2006(12)

博士論文
[1]熱彈性效應(yīng)和數(shù)控機(jī)床進(jìn)給系統(tǒng)熱動(dòng)態(tài)特性的研究[D]. 夏軍勇.華中科技大學(xué) 2008
[2]旋轉(zhuǎn)機(jī)械故障診斷量子神經(jīng)計(jì)算技術(shù)研究[D]. 陳平.重慶大學(xué) 2007



本文編號(hào)：3164138