本文關(guān)鍵詞：故障檢測與診斷方法研究及其在網(wǎng)絡(luò)化系統(tǒng)中的應(yīng)用

  更多相關(guān)文章： 故障檢測與診斷 網(wǎng)絡(luò)化系統(tǒng) 人工神經(jīng)網(wǎng)絡(luò) 證據(jù)理論 移動機(jī)器人

【摘要】：隨著科學(xué)技術(shù)的發(fā)展,系統(tǒng)逐漸向智能化、自動化、復(fù)雜化方向發(fā)展。系統(tǒng)在長期工作過程中,由于設(shè)備的磨損或老化,不可避免地會導(dǎo)致其出現(xiàn)故障。一旦故障發(fā)生,勢必對生產(chǎn)過程造成一定的影響,甚至出現(xiàn)財產(chǎn)損失和人員傷亡。因此,對設(shè)備進(jìn)行及時有效的故障檢測與診斷具有非常重要的意義。同時,隨著計算機(jī)技術(shù)的發(fā)展與網(wǎng)絡(luò)的普及,網(wǎng)絡(luò)化系統(tǒng)越來越多地出現(xiàn)在生產(chǎn)過程中。由于網(wǎng)絡(luò)的承載能力和通信帶寬有限,以及環(huán)境遮擋和干擾等因素的影響,網(wǎng)絡(luò)系統(tǒng)中不可避免地存在時間延遲和數(shù)據(jù)包丟失等問題,進(jìn)一步增加了網(wǎng)絡(luò)化系統(tǒng)故障檢測與診斷的難度。在這樣的背景下,本文綜合考慮以上問題,重點研究故障檢測與診斷技術(shù)及其在網(wǎng)絡(luò)化系統(tǒng)中的應(yīng)用,主要內(nèi)容和創(chuàng)新點如下:(1)提出了改進(jìn)的殘差加權(quán)平方和故障檢測算法以及范數(shù)有界故障檢測算法。首先,針對網(wǎng)絡(luò)數(shù)據(jù)通信存在的一步隨機(jī)滯后和多丟包問題,應(yīng)用新息分析方法,設(shè)計了在線性最小方差意義下的最優(yōu)線性濾波器,并分析了濾波器的穩(wěn)態(tài)特性。其次,基于所設(shè)計的濾波器,提出了改進(jìn)的殘差加權(quán)平方和故障檢測算法以及范數(shù)有界故障檢測算法,并通過仿真實驗對兩種方法的性能進(jìn)行了比較研究。(2)提出了一種具有自適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)和高分類準(zhǔn)確率的BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network,BPNN)故障診斷方法。首先,針對BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難以確定的問題,提出了基于有界最小信息準(zhǔn)則(Akaike Information Criterion,AIC)的隱層神經(jīng)元個數(shù)優(yōu)選方法,為神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化提供了一種有效途徑。其次,針對BP神經(jīng)網(wǎng)絡(luò)在少樣本情況下分類準(zhǔn)確率不高的問題,利用AdaboostM2(Adaptive Boosting Method 2)算法可以提高任意系統(tǒng)學(xué)習(xí)能力的優(yōu)勢對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,設(shè)計了BP_AdaboostM2強(qiáng)分類器,使其分類準(zhǔn)確率大幅提高,同時給出了優(yōu)化過程中提高錯分樣本學(xué)習(xí)概率的措施。最后,通過實例驗證了該方法的實用性和有效性。(3)提出了一種基于一致強(qiáng)度證據(jù)合成規(guī)則的故障診斷方法。首先,針對經(jīng)典DS合成規(guī)則無法處理沖突證據(jù)的問題,提出了一致強(qiáng)度的概念,進(jìn)而給出了基于一致強(qiáng)度的證據(jù)合成規(guī)則,分析了其計算復(fù)雜度,并通過算例驗證該合成規(guī)則的有效性。最后,給出了一種基于一致強(qiáng)度證據(jù)合成規(guī)則的故障診斷模型及其實現(xiàn)步驟,并通過實例驗證了經(jīng)過多故障特征融合后,能夠得到正確的故障診斷結(jié)果。(4)應(yīng)用前面所提出的方法解決移動機(jī)器人的故障檢測和診斷問題。針對移動機(jī)器人傳感器子系統(tǒng)和驅(qū)動子系統(tǒng)的故障特點,提出了基于系統(tǒng)新息云特征和神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人故障診斷方法,詳細(xì)給出了方法的實現(xiàn)過程并進(jìn)行了實例測試;針對神經(jīng)網(wǎng)絡(luò)對于某些故障類型的診斷結(jié)果準(zhǔn)確率不高的問題,將神經(jīng)網(wǎng)絡(luò)的一級診斷結(jié)果作為證據(jù)體,利用證據(jù)理論進(jìn)行融合,提出了基于證據(jù)理論的二級融合故障診斷方法。實例分析表明,所提出的策略有效提高了診斷結(jié)果的準(zhǔn)確性。
【關(guān)鍵詞】：故障檢測與診斷 網(wǎng)絡(luò)化系統(tǒng) 人工神經(jīng)網(wǎng)絡(luò) 證據(jù)理論 移動機(jī)器人
【學(xué)位授予單位】：黑龍江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP277
【目錄】：

• 中文摘要6-8
• Abstract8-19
• 第1章 緒論19-36
• 1.1 課題研究的背景及意義19-20
• 1.2 故障檢測與診斷技術(shù)的發(fā)展過程20-22
• 1.3 故障檢測與診斷技術(shù)的研究現(xiàn)狀22-25
• 1.3.1 國外的研究現(xiàn)狀22-24
• 1.3.2 國內(nèi)的研究現(xiàn)狀24-25
• 1.4 故障檢測與診斷技術(shù)的分類25-31
• 1.4.1 基于數(shù)學(xué)模型的方法26-27
• 1.4.2 基于信號處理的方法27-29
• 1.4.3 基于知識的方法29-31
• 1.5 網(wǎng)絡(luò)化系統(tǒng)的故障檢測與診斷技術(shù)研究現(xiàn)狀31-34
• 1.5.1 存在延時網(wǎng)絡(luò)化系統(tǒng)的故障檢測與診斷32-34
• 1.5.2 存在數(shù)據(jù)包丟失網(wǎng)絡(luò)化系統(tǒng)的故障檢測與診斷34
• 1.6 本文主要研究內(nèi)容34-36
• 第2章 基于新息統(tǒng)計特性的故障檢測方法36-64
• 2.1 引言36-37
• 2.2 故障檢測問題描述37-38
• 2.3 具有一步隨機(jī)滯后和多數(shù)據(jù)包丟失系統(tǒng)的濾波器設(shè)計38-48
• 2.3.1 最優(yōu)線性濾波器設(shè)計38-43
• 2.3.2 穩(wěn)態(tài)濾波器設(shè)計43-45
• 2.3.3 仿真分析45-48
• 2.4 基于殘差加權(quán)平方和方法的故障檢測48-55
• 2.4.1 殘差加權(quán)平方和方法的基本原理48-50
• 2.4.2 仿真分析50-55
• 2.5 基于范數(shù)有界方法的故障檢測55-62
• 2.5.1 范數(shù)有界方法的基本原理55-57
• 2.5.2 仿真分析57-62
• 2.6 兩種故障檢測方法的比較分析62-63
• 2.7 本章小結(jié)63-64
• 第3章 基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法64-87
• 3.1 人工神經(jīng)網(wǎng)絡(luò)概述64
• 3.2 基于誤差反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)64-69
• 3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)及基本原理64-65
• 3.2.2 BP算法的計算過程65-68
• 3.2.3 存在的問題及現(xiàn)有的一些改進(jìn)方法68-69
• 3.3 基于有界AIC準(zhǔn)則的隱層神經(jīng)元個數(shù)優(yōu)選方法69-75
• 3.3.1 問題分析69-70
• 3.3.2 AIC準(zhǔn)則的基本原理及其存在的缺陷70-71
• 3.3.3 有界AIC準(zhǔn)則在隱層神經(jīng)元個數(shù)優(yōu)選中的應(yīng)用71-73
• 3.3.4 仿真分析73-75
• 3.4 基于BP網(wǎng)絡(luò)和AdaboostM2算法的強(qiáng)分類器設(shè)計75-82
• 3.4.1 問題分析75-76
• 3.4.2 AdaboostM2算法的基本原理76-77
• 3.4.3 BP_AdaboostM2強(qiáng)分類器設(shè)計77-80
• 3.4.4 仿真分析80-82
• 3.5 優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用82-86
• 3.5.1 故障診斷的實現(xiàn)原理82-83
• 3.5.2 實例分析83-86
• 3.6 本章小結(jié)86-87
• 第4章 基于一致強(qiáng)度證據(jù)合成規(guī)則的故障診斷方法87-106
• 4.1 引言87
• 4.2 DS證據(jù)理論的基本概念87-89
• 4.3 DS合成規(guī)則及其存在的問題89-90
• 4.3.1 DS合成規(guī)則89-90
• 4.3.2 存在的問題90
• 4.4 基于一致強(qiáng)度的合成規(guī)則90-96
• 4.4.1 合理性分析90-92
• 4.4.2 一致強(qiáng)度的概念以及合成規(guī)則的實現(xiàn)92-94
• 4.4.3 算例分析94-95
• 4.4.4 算法復(fù)雜度比較95-96
• 4.5 一致強(qiáng)度證據(jù)合成規(guī)則在故障診斷中的應(yīng)用96-105
• 4.5.1 診斷模型及實現(xiàn)過程96-97
• 4.5.2 實例分析97-105
• 4.6 本章小結(jié)105-106
• 第5章 移動機(jī)器人系統(tǒng)的故障診斷106-135
• 5.1 引言106
• 5.2 移動機(jī)器人的系統(tǒng)構(gòu)成及故障分類106-109
• 5.2.1 移動機(jī)器人的系統(tǒng)構(gòu)成106-108
• 5.2.2 移動機(jī)器人的故障分類108-109
• 5.3 移動機(jī)器人系統(tǒng)故障診斷的研究現(xiàn)狀109-113
• 5.4 基于新息云特征和神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人系統(tǒng)故障診斷113-128
• 5.4.1 問題分析113-114
• 5.4.2 移動機(jī)器人系統(tǒng)的數(shù)學(xué)運動模型114-117
• 5.4.3 云理論的基本原理117-120
• 5.4.4 新息云特征故障診斷方法的實現(xiàn)120-124
• 5.4.5 實例分析124-128
• 5.5 結(jié)合證據(jù)理論的二級故障診斷方法128-134
• 5.5.1 診斷方法的實現(xiàn)過程128-129
• 5.5.2 實例分析129-134
• 5.6 本章小結(jié)134-135
• 結(jié)論135-137
• 參考文獻(xiàn)137-151
• 致謝151-152
• 攻讀學(xué)位期間發(fā)表的論文152

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 朱大奇;劉永安;;故障診斷的信息融合方法[J];控制與決策;2007年12期

，

本文編號：524207