基于SOM神經(jīng)網(wǎng)絡(luò)的通風(fēng)機(jī)葉片裂紋故障診斷方法
發(fā)布時(shí)間:2022-01-09 08:55
通風(fēng)機(jī)被廣泛用于倉(cāng)庫(kù)、工廠等,特別是在礦山等工業(yè)生產(chǎn)的環(huán)境,為工作環(huán)境提供源源不斷的新鮮空氣以及降低有害氣體濃度,以確保生產(chǎn)運(yùn)行的順利和工作人員的生命安全。葉片作為通風(fēng)機(jī)的關(guān)鍵部件,長(zhǎng)期承受高離心力和氣動(dòng)負(fù)荷,極容易產(chǎn)生裂紋、斷裂故障,甚至還會(huì)引發(fā)重大安全事故。因此,對(duì)其進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷,及時(shí)監(jiān)控葉片裂紋發(fā)展趨勢(shì)是杜絕此類(lèi)事故的重要途徑。因此,對(duì)工作環(huán)境復(fù)雜的葉片裂紋實(shí)現(xiàn)定量故障診斷具有重要的理論意義和應(yīng)用價(jià)值。鑒于此,本文將建立一個(gè)SOM神經(jīng)網(wǎng)絡(luò)的通風(fēng)機(jī)葉片裂紋位置診斷系統(tǒng),該系統(tǒng)將大大提高故障診斷的準(zhǔn)確率和效率。通過(guò)對(duì)通風(fēng)機(jī)葉片建模并對(duì)其進(jìn)行動(dòng)力學(xué)分析,推導(dǎo)了葉片的動(dòng)力學(xué)方程,獲得了裂紋狀態(tài)下的葉片固有特性;對(duì)葉片進(jìn)行模態(tài)分析,利用小波變換對(duì)模態(tài)分析得到的振型圖進(jìn)行處理,分析了不同因素對(duì)通風(fēng)機(jī)葉片裂紋位置的影響,得到了相應(yīng)的變化規(guī)律。結(jié)果表明:通風(fēng)機(jī)葉片的裂紋位置與其振型圖的小波系數(shù)cD和cV值相關(guān)。利用模態(tài)試驗(yàn)方法對(duì)不同裂紋位置的單裂紋葉片進(jìn)行了振動(dòng)信號(hào)的測(cè)量,通過(guò)二維小波變換處理得到了相對(duì)應(yīng)的小波系數(shù)圖,構(gòu)建了葉片裂紋的特征向量。根據(jù)葉片裂紋位置與小波系數(shù)圖之間的規(guī)律搭建...
【文章來(lái)源】:北京工業(yè)大學(xué)北京市 211工程院校
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
軸流式通風(fēng)機(jī)Fig.1-1Axial-flowfan
通風(fēng)機(jī)葉片
圖 2-1 墨西哥草帽型函數(shù)圖Fig.2-1 Mexican hat type function chart絡(luò)結(jié)構(gòu)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖 2-2 所示,它由輸入層和競(jìng)爭(zhēng),輸入層神經(jīng)元個(gè)數(shù)為 m,競(jìng)爭(zhēng)層是由 × 個(gè)神拓?fù)浣Y(jié)構(gòu)不變。若干個(gè)一維神經(jīng)元(x1, x2,..., xm)數(shù)取決于樣本維數(shù),且輸入信息與競(jìng)爭(zhēng)層(輸出;競(jìng)爭(zhēng)層的神經(jīng)元之間一般是以二維形式排列的是這樣進(jìn)行的:當(dāng)有樣本輸入到輸入層的神經(jīng)元該輸入的響應(yīng)機(jī)會(huì),獲得響應(yīng)機(jī)會(huì)的神經(jīng)元成為C,在其鄰域 Nc內(nèi)的神經(jīng)元也會(huì)不同程度變?yōu)榕d神經(jīng)元都會(huì)被抑制。鄰域 Nc的范圍既可以是正
本文編號(hào):3578383
【文章來(lái)源】:北京工業(yè)大學(xué)北京市 211工程院校
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
軸流式通風(fēng)機(jī)Fig.1-1Axial-flowfan
通風(fēng)機(jī)葉片
圖 2-1 墨西哥草帽型函數(shù)圖Fig.2-1 Mexican hat type function chart絡(luò)結(jié)構(gòu)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖 2-2 所示,它由輸入層和競(jìng)爭(zhēng),輸入層神經(jīng)元個(gè)數(shù)為 m,競(jìng)爭(zhēng)層是由 × 個(gè)神拓?fù)浣Y(jié)構(gòu)不變。若干個(gè)一維神經(jīng)元(x1, x2,..., xm)數(shù)取決于樣本維數(shù),且輸入信息與競(jìng)爭(zhēng)層(輸出;競(jìng)爭(zhēng)層的神經(jīng)元之間一般是以二維形式排列的是這樣進(jìn)行的:當(dāng)有樣本輸入到輸入層的神經(jīng)元該輸入的響應(yīng)機(jī)會(huì),獲得響應(yīng)機(jī)會(huì)的神經(jīng)元成為C,在其鄰域 Nc內(nèi)的神經(jīng)元也會(huì)不同程度變?yōu)榕d神經(jīng)元都會(huì)被抑制。鄰域 Nc的范圍既可以是正
本文編號(hào):3578383
本文鏈接:http://sikaile.net/kejilunwen/kuangye/3578383.html
最近更新
教材專(zhuān)著