本文關(guān)鍵詞：基于粒子群算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：變速器的故障診斷本質(zhì)上是故障模式識別過程,其復雜的結(jié)構(gòu)、變化頻繁的運行工況加上較大的背景噪聲,挑戰(zhàn)著現(xiàn)有的智能故障診斷技術(shù)。粒子群優(yōu)化算法作為一種群體智能優(yōu)化算法,在許多優(yōu)化領(lǐng)域得到廣泛應(yīng)用�？紤]到粒子群算法容易陷入局部極值,采用重組粒子群算法來避免粒子群算法出現(xiàn)的早熟問題,提高算法的精度。BP神經(jīng)網(wǎng)絡(luò)作為在智能故障診斷技術(shù)中常用的方法也存在局部極值問題,使得診斷精度和穩(wěn)定性差。本文改進重組粒子群算法的粒子初始化方式,提出基于重組粒子群算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)故障診斷方法,自動確定神經(jīng)網(wǎng)絡(luò)參數(shù)。通過軸承故障的分類診斷驗證該方法的有效性,并在訓練效率和故障識別正確率上優(yōu)于標準BP神經(jīng)網(wǎng)絡(luò)、遺傳神經(jīng)網(wǎng)絡(luò)和基本粒子群神經(jīng)網(wǎng)絡(luò)。在此基礎(chǔ)上,提出重組粒子群變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò),實現(xiàn)神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)的自動選取,對軸承故障的分類診斷結(jié)果驗證所提方法的有效性。通過變速器齒輪故障試驗,利用重組粒子群變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)對軸承正常時的齒輪故障和軸承內(nèi)圈故障時的齒輪故障進行了診斷識別,分析了所提方法的診斷效果,并與其他方法進行對比,驗證了重組粒子群變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)方法的有效性。
【關(guān)鍵詞】：故障診斷 粒子群優(yōu)化算法 神經(jīng)網(wǎng)絡(luò) 重組粒子群神經(jīng)網(wǎng)絡(luò)
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP183;U472.9
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-15
• 1.1 課題來源9
• 1.2 課題研究意義和目的9-10
• 1.3 國內(nèi)外研究現(xiàn)狀10-14
• 1.4 論文研究內(nèi)容14-15
• 第二章 粒子群優(yōu)化算法15-38
• 2.1 粒子群優(yōu)化算法的來源及其背景15
• 2.2 粒子群優(yōu)化算法15-31
• 2.2.1 全局型和局部型粒子群優(yōu)化算法18-19
• 2.2.2 標準粒子群優(yōu)化算法19
• 2.2.3 粒子群優(yōu)化算法的參數(shù)控制19-28
• 2.2.4 仿真分析28-31
• 2.2.5 PSO算法的優(yōu)缺點31
• 2.3 重組粒子群優(yōu)化算法31-37
• 2.3.1 粒子群優(yōu)化算法“早熟”現(xiàn)象31-33
• 2.3.2 重組粒子群優(yōu)化算法33-37
• 2.4 本章小結(jié)37-38
• 第三章 重組粒子群神經(jīng)網(wǎng)絡(luò)故障診斷方法38-59
• 3.1 BP神經(jīng)網(wǎng)絡(luò)38-43
• 3.1.1 BP神經(jīng)網(wǎng)絡(luò)模型38-39
• 3.1.2 BP算法39-41
• 3.1.3 仿真分析41-43
• 3.2 重組粒子群神經(jīng)網(wǎng)絡(luò)43-52
• 3.2.1 編碼方式44-45
• 3.2.2 適應(yīng)度指標45
• 3.2.3 初始化方式45-46
• 3.2.4 診斷流程46-47
• 3.2.5 仿真分析47-52
• 3.3 重組粒子群變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)52-58
• 3.3.1 編碼方式52-53
• 3.3.2 適應(yīng)度指標53-54
• 3.3.3 重組粒子群變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)診斷模型54-55
• 3.3.4 仿真分析55-58
• 3.4 本章小結(jié)58-59
• 第四章 變速器故障診斷59-69
• 4.1 變速器故障試驗59-61
• 4.2 振動信號時域和頻域分析61-64
• 4.2.1 齒輪故障61-62
• 4.2.2 耦合故障62-64
• 4.3 基于重組粒子群變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷64-68
• 4.3.1 齒輪故障診斷64-66
• 4.3.2 耦合故障診斷66-68
• 4.4 本章小結(jié)68-69
• 結(jié)論69-71
• 參考文獻71-78
• 攻讀碩士學位期間取得的研究成果78-79
• 致謝79-80
• 附件80

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學技術(shù)學院學報(自然科學版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國際技術(shù)經(jīng)濟研究學報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預報控制中的應(yīng)用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動化領(lǐng)域里的應(yīng)用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機電器技術(shù);1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學;2015年

  本文關(guān)鍵詞：基于粒子群算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：430133