隨著科學(xué)技術(shù)的不斷發(fā)展與工業(yè)自動(dòng)化水平的提高,制冷設(shè)備的應(yīng)用范圍越來(lái)越廣,尤其是作為冷熱沖擊試驗(yàn)箱的重要組成部分,在檢測(cè)工業(yè)產(chǎn)品溫濕度環(huán)境方面的可靠性具有重要意義。由于制冷系統(tǒng)結(jié)構(gòu)復(fù)雜,故障發(fā)生頻率高,且故障發(fā)生時(shí)難以被檢測(cè)與識(shí)別,對(duì)設(shè)備可靠性、安全性與經(jīng)濟(jì)性等造成不良影響,而且會(huì)導(dǎo)致能耗增加。因此對(duì)制冷系統(tǒng)的故障進(jìn)行分析,找到能快速識(shí)別故障并排除的方法是該領(lǐng)域研究熱點(diǎn)。本文使用主元分析與概率神經(jīng)網(wǎng)絡(luò)的方法對(duì)冷熱沖擊試驗(yàn)箱制冷系統(tǒng)的常見故障進(jìn)行診斷。首先,介紹了冷熱沖擊試驗(yàn)箱的組成結(jié)構(gòu)與其制冷系統(tǒng)的工作原理,對(duì)系統(tǒng)中常見故障和故障發(fā)生原因進(jìn)行分析,確定故障與癥狀之間的關(guān)系,并選取能夠反映系統(tǒng)運(yùn)行狀態(tài)的測(cè)量參數(shù)。為解決目前制冷系統(tǒng)故障診斷過(guò)程中遇到的難題,設(shè)計(jì)整體解決方案。其次,介紹了主元分析算法,分析與學(xué)習(xí)主元分析法實(shí)現(xiàn)流程,并對(duì)算法進(jìn)行優(yōu)化,確定最優(yōu)主元。對(duì)優(yōu)化后的主元分析算法進(jìn)行仿真,證明該算法能夠減少數(shù)據(jù)空間的維數(shù),降低數(shù)據(jù)信息之間的冗余度。然后,通過(guò)學(xué)習(xí)BP神經(jīng)網(wǎng)絡(luò)原理,建立基于最優(yōu)參數(shù)BP網(wǎng)絡(luò)的故障診斷系統(tǒng),對(duì)制冷系統(tǒng)的3種故障進(jìn)行診斷,經(jīng)實(shí)驗(yàn)證明該系統(tǒng)盡管能診斷出故障,輸出誤差達(dá)到期望值,但存在結(jié)構(gòu)復(fù)雜、網(wǎng)絡(luò)收斂慢等諸多問題。因此引入概率神經(jīng)網(wǎng)絡(luò),建立基于PNN網(wǎng)絡(luò)的故障診斷系統(tǒng),使用Matlab2012軟件進(jìn)行仿真實(shí)驗(yàn),將前面的3種故障使用該系統(tǒng)進(jìn)行診斷。與BP網(wǎng)絡(luò)的診斷結(jié)果相比較,確定了PNN網(wǎng)絡(luò)不僅結(jié)構(gòu)簡(jiǎn)單而且訓(xùn)練速度快穩(wěn)定性好等優(yōu)勢(shì)。最后,對(duì)型號(hào)為CERC-CJ-70B的冷熱沖擊試驗(yàn)箱進(jìn)行改造,建立模擬制冷系統(tǒng)的故障實(shí)驗(yàn)平臺(tái),模擬7種典型故障。并通過(guò)該平臺(tái)獲取訓(xùn)練樣本與測(cè)試樣本。將原始樣本分別通入基于BP網(wǎng)絡(luò)、PNN網(wǎng)絡(luò)、PCA-PNN網(wǎng)絡(luò)的故障診斷系統(tǒng),將三種網(wǎng)絡(luò)的訓(xùn)練過(guò)程與診斷結(jié)果進(jìn)行比較,證明了PNN網(wǎng)絡(luò)性能優(yōu)于BP網(wǎng)絡(luò),PCA-PNN性能優(yōu)于PNN網(wǎng)絡(luò)。
【學(xué)位單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TP183;TP277;TB657
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 故障診斷技術(shù)與方法
        1.2.1 故障診斷技術(shù)發(fā)展歷史
        1.2.2 故障診斷方法的分類
    1.3 故障診斷在制冷系統(tǒng)方面的國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 國(guó)際研究現(xiàn)狀
        1.3.2 國(guó)內(nèi)研究現(xiàn)狀
    1.4 本文的主要內(nèi)容
第2章 冷熱沖擊試驗(yàn)箱制冷系統(tǒng)工況分析
    2.1 冷熱沖擊試驗(yàn)箱工作原理
        2.1.1 冷熱沖擊試驗(yàn)箱的結(jié)構(gòu)
        2.1.2 制冷系統(tǒng)工作原理
    2.2 制冷系統(tǒng)故障分析
        2.2.1 制冷系統(tǒng)產(chǎn)生故障原因
        2.2.2 制冷系統(tǒng)故障分類
        2.2.3 制冷系統(tǒng)典型故障
    2.3 制冷系統(tǒng)測(cè)量參數(shù)與信息選取
    2.4 制冷系統(tǒng)故障診斷方案
第3章 基于PCA的數(shù)據(jù)優(yōu)化處理
    3.1 主元分析法
    3.2 主元分析法幾何與代數(shù)意義
    3.3 主元分析法的模型及實(shí)現(xiàn)
        3.3.1 主元分析法模型
        3.3.2 主元分析法實(shí)現(xiàn)
        3.3.3 主元個(gè)數(shù)確定
        3.3.4 主元分析算法流程
        3.3.5 主元分析算法優(yōu)化
    3.4 主元分析算法仿真
第4章 基于BP神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷
    4.1 神經(jīng)網(wǎng)絡(luò)概述
    4.2 BP神經(jīng)網(wǎng)絡(luò)
        4.2.1 BP網(wǎng)絡(luò)模型
        4.2.2 BP網(wǎng)絡(luò)的學(xué)習(xí)算法
    4.3 基于BP神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷
        4.3.1 BP神經(jīng)網(wǎng)絡(luò)參數(shù)
        4.3.2 最優(yōu)參數(shù)BP神經(jīng)網(wǎng)絡(luò)仿真
第5章 基于PNN網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷
    5.1 概率神經(jīng)網(wǎng)絡(luò)
        5.1.1 貝葉斯應(yīng)用于模式識(shí)別
        5.1.2 概率神經(jīng)網(wǎng)絡(luò)模型
    5.2 基于PNN網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷
        5.2.1 樣本數(shù)據(jù)預(yù)處理
        5.2.2 網(wǎng)絡(luò)參數(shù)確定
        5.2.3 最優(yōu)參數(shù)PNN網(wǎng)絡(luò)仿真
    5.3 比較與分析
第6章 基于PCA-PNN的制冷系統(tǒng)故障診斷
    6.1 制冷系統(tǒng)典型故障模擬實(shí)驗(yàn)
        6.1.1 制冷系統(tǒng)故障模擬實(shí)驗(yàn)系統(tǒng)
        6.1.2 模擬故障的種類與方法
        6.1.3 數(shù)據(jù)采集
        6.1.4 原始樣本
    6.2 BP網(wǎng)絡(luò)訓(xùn)練
    6.3 PNN網(wǎng)絡(luò)訓(xùn)練
    6.4 PCA-PNN網(wǎng)絡(luò)訓(xùn)練
        6.4.1 PCA優(yōu)化原始樣本
        6.4.2 PCA-PNN訓(xùn)練
結(jié)論
參考文獻(xiàn)
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐文貫;馬軍;;溫度沖擊試驗(yàn)箱結(jié)構(gòu)設(shè)計(jì)分析[J];電子產(chǎn)品可靠性與環(huán)境試驗(yàn);2013年S1期

2 劉文斌;曹廣忠;李永光;胡益民;敬剛;劉巖;;溫濕度環(huán)境試驗(yàn)設(shè)備的現(xiàn)狀及發(fā)展[J];現(xiàn)代制造工程;2013年11期

3 賈潤(rùn)宇;;工業(yè)用高精度變負(fù)荷制冷系統(tǒng)的設(shè)計(jì)及探討[J];制冷與空調(diào);2011年06期

4 陳昌華;譚俊;尹健康;張飛;姚進(jìn);;基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的煙田土壤水分預(yù)測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2010年08期

5 高宏巖;;概率神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];煤礦機(jī)械;2006年05期

6 宋華,張洪鉞,王行仁;T-S模糊故障樹分析方法[J];控制與決策;2005年08期

7 趙韓,張彥,方艮海,張代勝;灰色關(guān)聯(lián)分析法在汽車零部件故障分析中的應(yīng)用[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2005年08期

8 賀曉,劉景寧,李淑霞;基于灰色關(guān)聯(lián)理論的案例推理在故障智能診斷系統(tǒng)中的應(yīng)用[J];中國(guó)機(jī)械工程;2004年22期

9 王志毅,谷波,江國(guó)和,鄭鋼;二級(jí)模糊綜合評(píng)判方法在制冷機(jī)故障診斷中的應(yīng)用[J];暖通空調(diào);2004年01期

10 鄧穎,何怡剛,Y.Sun;容差模擬電路故障診斷BP神經(jīng)網(wǎng)絡(luò)算法(英文)[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年S1期

相關(guān)博士學(xué)位論文 前3條

1 韓華;基于順序集成方法的制冷系統(tǒng)故障檢測(cè)與診斷研究[D];上海交通大學(xué);2012年

2 任能;制冷系統(tǒng)故障檢測(cè)、診斷及預(yù)測(cè)研究[D];上海交通大學(xué);2008年

3 周洪煜;基于人工智能和專家系統(tǒng)的中央空調(diào)節(jié)能運(yùn)行及故障診斷技術(shù)研究與實(shí)現(xiàn)[D];重慶大學(xué);2007年

相關(guān)碩士學(xué)位論文 前6條

1 薄祥余;環(huán)境試驗(yàn)箱制冷系統(tǒng)設(shè)計(jì)及其控制方法的研究[D];上海交通大學(xué);2009年

2 張洪波;基于主成分的概率神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷的研究[D];湖南大學(xué);2008年

3 胡正定;基于補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷研究[D];重慶大學(xué);2007年

4 李明;基于多元統(tǒng)計(jì)分析的故障診斷方法及其應(yīng)用研究[D];山東大學(xué);2006年

5 韓玲;基于人工神經(jīng)網(wǎng)絡(luò)模型的螺桿式冷水機(jī)組故障診斷研究[D];重慶大學(xué);2005年

6 楊毅;螺桿式冷水機(jī)組故障診斷技術(shù)研究[D];重慶大學(xué);2005年

本文編號(hào)：2876779