本文關(guān)鍵詞：模糊神經(jīng)網(wǎng)絡(luò)在采煤機(jī)故障診斷中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的飛速發(fā)展,機(jī)械設(shè)備的自動(dòng)化程度越來越高,工程設(shè)備也越來越復(fù)雜,工程設(shè)備工作的可靠性和安全性也逐步受到人們的關(guān)注。然而,運(yùn)用傳統(tǒng)的診斷方法,大型復(fù)雜設(shè)備無法對(duì)機(jī)械故障作出實(shí)時(shí)準(zhǔn)確地診斷。這就需要采用故障診斷的智能方法和理論。 煤礦安全是煤炭資源發(fā)展的基本保證。由于煤礦事故不斷發(fā)生,怎樣提高煤礦的安全性和減少事故的發(fā)生是目前人們關(guān)注的主要問題。采煤機(jī)的故障診斷逐漸受到人們的關(guān)注和重視。怎樣保證采煤機(jī)的正常工作和實(shí)時(shí)了解采煤機(jī)的工作狀態(tài)是目前需要解決的主要問題。 模糊邏輯系統(tǒng)被運(yùn)用到采煤機(jī)故障診斷系統(tǒng)中,這是煤礦業(yè)發(fā)展的重大進(jìn)步。本文論述了模糊邏輯系統(tǒng),詳細(xì)闡述了模糊邏輯系統(tǒng)的的基本結(jié)構(gòu)。并且對(duì)神經(jīng)網(wǎng)絡(luò)的概念、內(nèi)容、方法分別進(jìn)行了詳細(xì)介紹。而且分析了神經(jīng)網(wǎng)絡(luò)向智能發(fā)展的趨勢。此外,由于傳統(tǒng)的梯度算法學(xué)習(xí)速度慢和泛化性能差,本文采用一種新的學(xué)習(xí)方法—ELM算法,它彌補(bǔ)了梯度算法的不足,能夠任意選擇輸入權(quán)值和閾值提高了學(xué)習(xí)速度和泛化性。 對(duì)模糊邏輯系統(tǒng)和神經(jīng)網(wǎng)絡(luò)進(jìn)行比較,當(dāng)兩種方法相互融合,不僅能提高模糊邏輯系統(tǒng)自適應(yīng)性,而且加強(qiáng)了神經(jīng)網(wǎng)絡(luò)的可觀測性和改善了神經(jīng)網(wǎng)絡(luò)的全局性。 通過建立模糊神經(jīng)網(wǎng)絡(luò)的模型,及分析采煤機(jī)的樣本故障,根據(jù)實(shí)時(shí)的故障數(shù)據(jù)對(duì)該模型進(jìn)行了驗(yàn)證,證明系統(tǒng)模型是有效、可行的。 對(duì)采煤機(jī)故障診斷智能系統(tǒng)的設(shè)計(jì)和方法分析和論述。闡述了系統(tǒng)整體結(jié)構(gòu)、每個(gè)模塊的組成和數(shù)據(jù)的傳輸,介紹了該系統(tǒng)的軟件和硬件如何實(shí)現(xiàn)的,對(duì)故障的診斷進(jìn)行仿真和實(shí)時(shí)演示。
【關(guān)鍵詞】：故障診斷 采煤機(jī) 模糊神經(jīng)網(wǎng)絡(luò) 整體結(jié)構(gòu)
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TD421.6;TH165.3
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-14
• 1.1 課題研究的背景與意義10
• 1.2 智能故障診斷的概述10-12
• 1.3 采煤機(jī)故障診斷技術(shù)的發(fā)展現(xiàn)狀12-13
• 1.4 本文的主要工作13-14
• 第2章 模糊邏輯系統(tǒng)14-20
• 2.1 引言14
• 2.2 模糊邏輯系統(tǒng)基本結(jié)構(gòu)14-18
• 2.2.1 模糊控制規(guī)則15-17
• 2.2.2 隸屬函數(shù)17-18
• 2.2.3 反模糊化18
• 2.3 本章總結(jié)18-20
• 第3章 神經(jīng)網(wǎng)絡(luò)20-34
• 3.1 概述20-22
• 3.2 神經(jīng)網(wǎng)絡(luò)的研究歷史22-26
• 3.3 神經(jīng)網(wǎng)絡(luò)的內(nèi)容26-30
• 3.4 神經(jīng)網(wǎng)絡(luò)的方法30-32
• 3.4.1 SLFNs的逼近問題30
• 3.4.2 關(guān)于梯度的算法30-31
• 3.4.3 SLFNs的最小范數(shù)最小二乘解31-32
• 3.5 本章總結(jié)32-34
• 第4章 模糊神經(jīng)網(wǎng)絡(luò)34-54
• 4.1 概述34-36
• 4.2 算術(shù)模糊神經(jīng)網(wǎng)絡(luò)36-37
• 4.3 模糊邏輯37-38
• 4.4 模糊聯(lián)想記憶38-40
• 4.5 神經(jīng)模糊推理系統(tǒng)40-44
• 4.6 神經(jīng)網(wǎng)絡(luò)近似邏輯44-45
• 4.7 模糊神經(jīng)網(wǎng)絡(luò)算法的網(wǎng)絡(luò)結(jié)構(gòu)45
• 4.8 智能化故障診斷的內(nèi)容45-46
• 4.9 學(xué)習(xí)樣本的組織46-50
• 4.10 模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和仿真50-53
• 4.11 本章總結(jié)53-54
• 第5章 采煤機(jī)的故障診斷系統(tǒng)的設(shè)計(jì)54-67
• 5.1 系統(tǒng)的整體結(jié)構(gòu)54-55
• 5.2 數(shù)據(jù)采集模塊55-57
• 5.2.1 數(shù)據(jù)采集模塊的硬件設(shè)計(jì)55-56
• 5.2.2 數(shù)據(jù)采集模塊的軟件設(shè)計(jì)56-57
• 5.3 CAN總線與上位機(jī)的通訊57-62
• 5.3.1 CAN總線的特性57-58
• 5.3.2 CANopen工作方式58-61
• 5.3.3 傳輸接口61-62
• 5.3.4 CAN總線與上位機(jī)的通訊軟件的實(shí)現(xiàn)62
• 5.4 上位機(jī)軟件的開發(fā)62-66
• 5.4.1 開發(fā)工具的選擇62
• 5.4.2 軟件功能設(shè)計(jì)62-63
• 5.4.3 數(shù)據(jù)庫設(shè)計(jì)63-65
• 5.4.4 系統(tǒng)運(yùn)行實(shí)例65-66
• 5.5 本章總結(jié)66-67
• 第6章 結(jié)束語67-69
• 6.1 論文總結(jié)67
• 6.2 不足與建議67-69
• 致謝69-70
• 參考文獻(xiàn)70-77
• 作者簡介及科研成果77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;Research on a Vibrating Mill Control System Based on a Fuzzy Neural Network[J];International Journal of Plant Engineering and Management;2010年03期

2 蘇欣平;任武;周鑫;王愛榮;解亞;;基于模糊神經(jīng)網(wǎng)絡(luò)的鉛酸蓄電池組管理系統(tǒng)[J];中國工程機(jī)械學(xué)報(bào);2012年03期

3 尤樹華;周誼成;王輝;;基于神經(jīng)網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)研究概述[J];電腦知識(shí)與技術(shù);2012年28期

4 何英;王貴君;;折線模糊神經(jīng)網(wǎng)絡(luò)的共軛梯度算法[J];電子學(xué)報(bào);2012年10期

5 吳正龍;趙忠實(shí);;基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)的射擊毀傷評(píng)估模型研究[J];兵工學(xué)報(bào);2012年11期

6 楊文光;高艷輝;王清;;模糊前向神經(jīng)網(wǎng)絡(luò)在瓦斯涌出量預(yù)測中的應(yīng)用[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

7 謝傳勝;趙晨晨;;基于模糊神經(jīng)網(wǎng)絡(luò)的燃?xì)獍l(fā)電風(fēng)險(xiǎn)評(píng)價(jià)研究[J];科技創(chuàng)新與應(yīng)用;2013年32期

8 羅小剛;劉靜靜;侯長軍;霍丹群;法煥寶;楊眉;;彩色可視傳感陣列基元匹配快速定量算法[J];重慶大學(xué)學(xué)報(bào);2013年10期

9 季文娟;顧永松;馮樂;;基于模糊神經(jīng)網(wǎng)絡(luò)的建筑能耗評(píng)估模型研究[J];建筑節(jié)能;2013年11期

10 張貫宇;田建艷;張維杰;邱華東;張嬋愛;;基于模糊神經(jīng)網(wǎng)絡(luò)參數(shù)整定的仿人智能控制[J];傳感器與微系統(tǒng);2013年10期

  本文關(guān)鍵詞：模糊神經(jīng)網(wǎng)絡(luò)在采煤機(jī)故障診斷中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：326402