本文關(guān)鍵詞：動(dòng)態(tài)測(cè)試技術(shù)課程，由筆耕文化傳播整理發(fā)布。

淺析智能診斷與動(dòng)態(tài)測(cè)試技術(shù)課程論文 導(dǎo)讀： 天津大學(xué) 2014～2014 學(xué)年第一學(xué)期研究生課程論文試題 課程名稱：智能診斷與動(dòng)態(tài)測(cè)控技術(shù) 課程編號(hào)： S201E012
學(xué)院名稱：
學(xué)號(hào)：
姓名：
成績(jī)：
課程論文題目：1.神經(jīng)網(wǎng)絡(luò)技術(shù)在（ ）智能診斷中的應(yīng)用現(xiàn)狀及發(fā)展 2.小波分析在（ ）故障診斷中的應(yīng)用現(xiàn)狀及發(fā)展 3.支持向量機(jī)在（ ）智能診斷中的應(yīng)用現(xiàn)狀及發(fā)展
基本要求：1.
論文格式按照發(fā)表論文格式(題目，摘要，關(guān)鍵詞，正文，參考文 獻(xiàn)) 2.
對(duì)象自選，篇幅沒(méi)有要求，但要圍繞著某一類或一種部件或裝備 來(lái)論述，不要泛泛而論 3.
主要參考文獻(xiàn)為 2008 年后發(fā)表 4.
英文文獻(xiàn)占 30%，且論文中要真正引用其內(nèi)容 5.
論文要有條理性、邏輯性 6.
要有自己的觀點(diǎn)和思考，不要簡(jiǎn)單復(fù)述參考文獻(xiàn)
課程論文提交時(shí)間：2014 年 11 月 8 日
注：課程名稱、課程編號(hào)、 課程題目、基本要求等項(xiàng)由任課 教師在印刷之前填寫，研究生提 交的課程論文附后。

第
1
頁(yè) 共
1
頁(yè)
智能診斷與動(dòng)態(tài)測(cè)控技術(shù)課程論文
神經(jīng)網(wǎng)絡(luò)技術(shù)在旋轉(zhuǎn)機(jī)械智能診斷中的應(yīng) 用現(xiàn)狀及發(fā)展 婁金龍 天津大學(xué)機(jī)械學(xué)院機(jī)械工程專業(yè) 2014 級(jí)碩士生 摘要：利用人工神經(jīng)網(wǎng)絡(luò)理論和算法，設(shè)計(jì)出一種用于旋轉(zhuǎn)機(jī)械的智能故障診斷和決策系統(tǒng)，是實(shí)際應(yīng)用 中針對(duì)旋轉(zhuǎn)機(jī)械最有效、最精確的故障診斷方法。
本文首先簡(jiǎn)要介紹機(jī)械故障診斷技術(shù)的發(fā)展?fàn)顩r，尤其 是在旋轉(zhuǎn)機(jī)械方面設(shè)備診斷技術(shù)的主要進(jìn)展，以及人工神經(jīng)網(wǎng)絡(luò)理論的主要內(nèi)容；其次，主要針對(duì)一種具 有代表性的旋轉(zhuǎn)機(jī)械——風(fēng)機(jī)，詳細(xì)介紹其基于神經(jīng)網(wǎng)絡(luò)技術(shù)的監(jiān)測(cè)診斷系統(tǒng)；最后，本文還論述了基于 神經(jīng)網(wǎng)絡(luò)技術(shù)的智能診斷系統(tǒng)的發(fā)展趨勢(shì)。
關(guān)鍵詞：旋轉(zhuǎn)機(jī)械 人工神經(jīng)網(wǎng)絡(luò) 智能診斷
0 前言 設(shè)備診斷的歷史和人類對(duì)設(shè)備的維修 方式緊緊相聯(lián)。
工業(yè)革命的發(fā)生使得機(jī)械設(shè) 備在工程實(shí)際中的應(yīng)用逐步增加， 而設(shè)備故 障的分析和維修越來(lái)越被人們重視起來(lái)。
起 初，由于設(shè)備發(fā)展迅速，流水線作業(yè)方式普 及開(kāi)來(lái)，定期故障檢修成為有效方式，但是 到 60 年代，人們逐步意識(shí)到定期維修的一 些列弊病，開(kāi)始變定期維修為預(yù)知維修，即 在設(shè)備運(yùn)行過(guò)程中開(kāi)始監(jiān)測(cè)和維護(hù)， 不僅避 免了設(shè)備故障帶來(lái)的損失， 而且避免了過(guò)生 維修，經(jīng)濟(jì)效益顯著。
設(shè)備診斷技術(shù)由此發(fā) 展起來(lái)。
因此設(shè)備診斷在現(xiàn)今階段的定義就在 于設(shè)備狀態(tài)的在線監(jiān)測(cè)和故障診斷， 并逐步 向智能化決策方向發(fā)展。
在世界范圍內(nèi)，美 國(guó)的設(shè)備診斷技術(shù)占有領(lǐng)先地位， 美國(guó)的許 多企業(yè)都開(kāi)發(fā)出了具有完善監(jiān)測(cè)功能和診 斷功能的產(chǎn)品，在宇航、軍事、化工等方面 具有廣泛應(yīng)用， 而其他國(guó)家的設(shè)備診斷技術(shù) 發(fā)展也各具特色和優(yōu)勢(shì)， 如英國(guó)的摩擦診斷 方面，丹麥的振聲診斷方面，日本的診斷技 [1] 術(shù)應(yīng)用方面等 。
1
我國(guó)的診斷技術(shù)雖起步較晚， 但發(fā)展很 快。
目前我國(guó)在一些特定設(shè)備的診斷研究方 面成績(jī)突出。
尤其是在旋轉(zhuǎn)
上一篇論文：試論論文格式要求 下一篇論文：試論國(guó)貿(mào)課程論文

淺析智能診斷與動(dòng)態(tài)測(cè)試技術(shù)課程論文 導(dǎo)讀：有分辨原因及故 障類型的能力。 智能診斷與動(dòng)態(tài)測(cè)控技術(shù)課程論文1 基于神經(jīng)網(wǎng)絡(luò)技術(shù)的旋轉(zhuǎn)類機(jī) 械智能診斷概述 人 工 神 經(jīng) 網(wǎng) 絡(luò) （ Artificial Neural Networks，簡(jiǎn)記作 ANN）是由具有適應(yīng)性 的簡(jiǎn)單單元組成的廣泛并行互連的網(wǎng)絡(luò)， 它 的組織能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界 物體所作出的交互反應(yīng)。  人工神經(jīng)網(wǎng)絡(luò)的主 要哲學(xué) 機(jī)械方面，一些 高校已經(jīng)開(kāi)發(fā)出了自己的智能監(jiān)測(cè)診斷系 統(tǒng)，如西安交通大學(xué)的“大型旋轉(zhuǎn)機(jī)械計(jì)算 [2] 機(jī)狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)” ，東北大學(xué) [3] 的“風(fēng)機(jī)工作狀態(tài)監(jiān)測(cè)診斷系統(tǒng)” 等。
從上世紀(jì) 80 年代開(kāi)始，人工神經(jīng)網(wǎng)絡(luò) 技術(shù)開(kāi)始被運(yùn)用于機(jī)械設(shè)備診斷系統(tǒng)中， 并 發(fā)揮了非常好的效果， 主要有以下 3 個(gè)原因： （1）訓(xùn)練過(guò)的神經(jīng)網(wǎng)絡(luò)能夠存儲(chǔ)有關(guān) 過(guò)程的知識(shí)，能直接從定量的、歷史故障信 息中學(xué)習(xí)。
可以根據(jù)對(duì)象的正常歷史數(shù)據(jù)訓(xùn) 練網(wǎng)絡(luò)， 然后將此信息與當(dāng)前測(cè)量數(shù)據(jù)進(jìn)行 比較，以確定故障。
（2）人工神經(jīng)網(wǎng)絡(luò)具有濾除噪聲及在 有噪聲情況下得出正確結(jié)論的能力， 可以訓(xùn) 練人工神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別故障信息， 使其能在 噪聲環(huán)境中有效的工作， 這種濾除噪聲的能 力使得人工神經(jīng)網(wǎng)絡(luò)適合在線故障檢測(cè)和 診斷。
（3）人工神經(jīng)網(wǎng)絡(luò)具有分辨原因及故 障類型的能力。

智能診斷與動(dòng)態(tài)測(cè)控技術(shù)課程論文
1 基于神經(jīng)網(wǎng)絡(luò)技術(shù)的旋轉(zhuǎn)類機(jī) 械智能診斷概述 人 工 神 經(jīng) 網(wǎng) 絡(luò) （ Artificial Neural Networks，簡(jiǎn)記作 ANN）是由具有適應(yīng)性 的簡(jiǎn)單單元組成的廣泛并行互連的網(wǎng)絡(luò)， 它 的組織能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界 物體所作出的交互反應(yīng)。
人工神經(jīng)網(wǎng)絡(luò)的主 要哲學(xué)基礎(chǔ)就是它們具有通過(guò)范例進(jìn)行學(xué) 習(xí)的能力，或者更技術(shù)地來(lái)說(shuō)，它們可以系 統(tǒng)地改進(jìn)輸入數(shù)據(jù)且能反映到輸出數(shù)據(jù)上。
1.1 神經(jīng)網(wǎng)絡(luò)的基本模型 神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型， 由大量的節(jié) 點(diǎn)（或稱“神經(jīng)元”，或“單元”）和之間相互 聯(lián)接構(gòu)成。
每個(gè)節(jié)點(diǎn)代表一種特定的輸出函 數(shù)，稱為激勵(lì)函數(shù)（activation function） 。
每 兩個(gè)節(jié)點(diǎn)間的連接都代表一個(gè)對(duì)于通過(guò)該 連接信號(hào)的加權(quán)值，稱之為權(quán)重（weight） ， 這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。
人工神經(jīng)網(wǎng) 絡(luò)中，網(wǎng)絡(luò)處理單元的類型分為三類：輸入 單元、輸出單元和隱單元。
輸入單元接受外 部世界的信號(hào)與數(shù)據(jù)； 輸出單元實(shí)現(xiàn)系統(tǒng)處 理結(jié)果的輸出； 隱單元是處在輸入和輸出單 元之間，不能由系統(tǒng)外部觀察的單元。
神經(jīng) 元間的連接權(quán)值反映了單元間的連接強(qiáng)度， 信息的表示和處理體現(xiàn)在網(wǎng)絡(luò)處理單元的 連接關(guān)系中。
人工神經(jīng)網(wǎng)絡(luò)是一種非程序 化、適應(yīng)性、大腦風(fēng)格的信息處理，其本質(zhì) 是通過(guò)網(wǎng)絡(luò)的變換和動(dòng)力學(xué)行為得到一種 并行分布式的信息處理功能， 并在不同程度 和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理功 能。
如下圖 1 所示：
圖 1 人工神經(jīng)網(wǎng)絡(luò)模型
1.2 神經(jīng)網(wǎng)絡(luò)的特點(diǎn)與智能診斷相結(jié)合 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和優(yōu)越性， 主要表 現(xiàn)在三個(gè)方面： 第一，具有自學(xué)習(xí)功能。
例如實(shí)現(xiàn)圖像 識(shí)別時(shí)， 只在先把許多不同的圖像樣板和對(duì) 應(yīng)的應(yīng)識(shí)別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)， 網(wǎng)絡(luò) 就會(huì)通過(guò)自學(xué)習(xí)功能， 慢慢學(xué)會(huì)識(shí)別類似的 圖像。
自學(xué)習(xí)功能對(duì)于預(yù)測(cè)有特別重要的意 義。

上一篇論文：試論論文格式要求 下一篇論文：試論國(guó)貿(mào)課程論文

淺析智能診斷與動(dòng)態(tài)測(cè)試技術(shù)課程論文 導(dǎo)讀：原因是非常有幫助的， 通常情況 下， 人們希望在不拆開(kāi)機(jī)器的情況下實(shí)現(xiàn)故 障部件的定位，所以，采用神經(jīng)網(wǎng)絡(luò)技術(shù)， 結(jié)合外加激勵(lì)和計(jì)算機(jī)測(cè)量分析技術(shù)來(lái)確 定故障原因，是一種很便捷的方法。  1.3 基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械智能診斷發(fā) 展現(xiàn)狀 正是基于神經(jīng)網(wǎng)絡(luò)的這些特點(diǎn)， 并結(jié)合 機(jī)械故障智能診斷的需要， 基于神經(jīng)網(wǎng)絡(luò)技 術(shù)的機(jī)械 比如利用神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)械系統(tǒng)故障診 斷時(shí)， 神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能有能力通過(guò)一 些機(jī)器運(yùn)轉(zhuǎn)參數(shù)， 比如工作頻率、 振動(dòng)參數(shù)、 關(guān)鍵部件的溫度變化等， 提前預(yù)測(cè)機(jī)器故障 [4][5] 的出現(xiàn)，挽回?fù)p失 。
第二，具有聯(lián)想存儲(chǔ)功能。
用人工神經(jīng) 網(wǎng)絡(luò)的反饋網(wǎng)絡(luò)就可以實(shí)現(xiàn)這種聯(lián)想。
第三，具有高速尋找優(yōu)化解的能力。
尋 找一個(gè)復(fù)雜問(wèn)題的優(yōu)化解， 往往需要很大的 計(jì)算量， 利用一個(gè)針對(duì)某問(wèn)題而設(shè)計(jì)的反饋 型人工神經(jīng)網(wǎng)絡(luò)， 發(fā)揮計(jì)算機(jī)的高速運(yùn)算能 力，可能很快找到優(yōu)化解。
這對(duì)于診斷機(jī)械 系統(tǒng)的故障原因是非常有幫助的， 通常情況 下， 人們希望在不拆開(kāi)機(jī)器的情況下實(shí)現(xiàn)故 障部件的定位，所以，采用神經(jīng)網(wǎng)絡(luò)技術(shù)， 結(jié)合外加激勵(lì)和計(jì)算機(jī)測(cè)量分析技術(shù)來(lái)確 定故障原因，是一種很便捷的方法。
1.3 基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械智能診斷發(fā) 展現(xiàn)狀 正是基于神經(jīng)網(wǎng)絡(luò)的這些特點(diǎn)， 并結(jié)合 機(jī)械故障智能診斷的需要， 基于神經(jīng)網(wǎng)絡(luò)技 術(shù)的機(jī)械故障診斷應(yīng)用逐漸普遍起來(lái)。
其中 我國(guó)許多學(xué)者對(duì)該方面的研究已經(jīng)非常深 入， 如屈梁生教授等較早的利用人工神經(jīng)網(wǎng)
2
智能診斷與動(dòng)態(tài)測(cè)控技術(shù)課程論文
絡(luò)對(duì)大型旋轉(zhuǎn)機(jī)械的各種故障進(jìn)行了全面 的研究， 研究了如何從現(xiàn)場(chǎng)故障信號(hào)中提取 故障特征并將全息診斷法應(yīng)用于神經(jīng)網(wǎng)絡(luò) 診斷系統(tǒng)中[2]；虞和濟(jì)教授等對(duì)機(jī)械設(shè)備故 障診斷的人工神經(jīng)網(wǎng)絡(luò)法進(jìn)行了深入的研 究[3]，建立了旋轉(zhuǎn)機(jī)械神經(jīng)網(wǎng)絡(luò)的分類系統(tǒng) 并得到了應(yīng)用，取得了滿意的效果；張煒等 學(xué)者則對(duì)旋轉(zhuǎn)機(jī)械故障診斷中的神經(jīng)網(wǎng)絡(luò) 算法進(jìn)行了研究，采用動(dòng)態(tài)學(xué)習(xí)法，引入了 控制因子，結(jié)果表明這種改進(jìn)提高了 BP 網(wǎng) 絡(luò)的收斂速度，改善了網(wǎng)絡(luò)的性能，具有實(shí) 際應(yīng)用意義。

子系統(tǒng)。
完整的監(jiān)測(cè)診斷系統(tǒng)框圖如下圖 3 所示： 振動(dòng)監(jiān)測(cè) 溫度監(jiān)測(cè) 噪聲監(jiān)測(cè) 油液分析 性能分析
振 軸 譜 振 動(dòng) 心 分 值 方 軌 析 向 跡 監(jiān) 測(cè) 及 信 號(hào) 處 理 系 統(tǒng) 顯示、打印、存儲(chǔ) 超限？ Y 報(bào)警 N
風(fēng) 風(fēng) 功 量 壓 率
故障診斷與決策
圖 3 風(fēng)機(jī)系統(tǒng)狀態(tài)監(jiān)測(cè)和故障診斷系統(tǒng)
2 風(fēng)機(jī)監(jiān)測(cè)診斷系統(tǒng)實(shí)例 2.1 風(fēng)機(jī)監(jiān)測(cè)診斷系統(tǒng)的構(gòu)成 風(fēng)機(jī)是工礦企業(yè)的重要設(shè)備。
由于種類 不同， 生產(chǎn)實(shí)際中的作用也不盡相同， 因此， 對(duì)于不同種類風(fēng)機(jī)的監(jiān)測(cè)方法和硬件設(shè)備 也不相同， 但總的思路是對(duì)一般作用的風(fēng)機(jī) 可采用離散點(diǎn)檢測(cè)方法， 用便攜測(cè)振和測(cè)聲 工具或數(shù)采系統(tǒng)進(jìn)行巡檢， 發(fā)現(xiàn)故障征兆后 再重點(diǎn)監(jiān)視和精確診斷。
對(duì)于具有關(guān)鍵作用 的重要風(fēng)機(jī)， 則采用實(shí)時(shí)的在線監(jiān)測(cè)和故障 診斷系統(tǒng)。
常見(jiàn)的風(fēng)機(jī)工作系統(tǒng)及傳感器布置如 下圖 2 所示：
2.2 風(fēng)機(jī)監(jiān)測(cè)診斷系統(tǒng)的設(shè)計(jì) 圖 3 中的故障診斷和決策系統(tǒng)是整個(gè)系 統(tǒng)智能化的核心部分， 它的結(jié)構(gòu)即為神經(jīng)網(wǎng) [5] 絡(luò)結(jié)構(gòu) ，如下圖 4 所示。
在前置的信號(hào)處 理模塊中， 對(duì)溫度和性能信號(hào)只需簡(jiǎn)單的平 滑
上一篇論文：試論論文格式要求 下一篇論文：試論國(guó)貿(mào)課程論文

淺析智能診斷與動(dòng)態(tài)測(cè)試技術(shù)課程論文 導(dǎo)讀： 連接處理，而對(duì)于振動(dòng)信號(hào)，除了振動(dòng)值 大小和方向外， 還采用了小波分析對(duì)信號(hào)進(jìn) 行了頻帶分析，以作為待診斷的案例。
信號(hào)輸入 信 息 分 配 神 經(jīng) 網(wǎng) 絡(luò)
風(fēng)機(jī) NN1 NN2
電機(jī) NNn NN1 NN2


NNn
決 策 融 合 網(wǎng) 絡(luò) 結(jié)論
電機(jī)
風(fēng) 機(jī)
圖 4 風(fēng)機(jī)系統(tǒng)集成神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)
振動(dòng)
溫度
油液
噪聲
性能
圖 2 風(fēng)機(jī)工作系統(tǒng)及傳感器布置
可見(jiàn)， 風(fēng)機(jī)工作系統(tǒng)主要由風(fēng)機(jī)和電機(jī) 兩部分組成。
按照監(jiān)測(cè)參數(shù)類型，總系統(tǒng)又 可分為振動(dòng)、溫度、油液、噪聲和性能五個(gè) 3
由于風(fēng)機(jī)工作系統(tǒng)主要由風(fēng)機(jī)和電機(jī) 兩部分組成，因此診斷網(wǎng)絡(luò)也分為兩大部 分， 來(lái)自這兩部分的信號(hào)由信息分配網(wǎng)絡(luò)完 成定位。
實(shí)際上，風(fēng)機(jī)和電機(jī)診斷都由兩個(gè) 網(wǎng)絡(luò) NN1、NN2 組成。
NN1 以振動(dòng)信號(hào)小波 頻帶分解能量為特征向量，共有 8 個(gè)輸入， 診斷 10 種故障，NN2 則以油溫、振動(dòng)方向 和振動(dòng)烈度為輸入，共有 4 個(gè)輸入，診斷 5 種故障。
從兩者的輸入量類型來(lái)看，NN1 以 時(shí)頻信號(hào)為主，NN2 則以時(shí)域信號(hào)為主。
網(wǎng)
智能診斷與動(dòng)態(tài)測(cè)控技術(shù)課程論文
絡(luò) NN2 的另一個(gè)功能是完成故障定位。
由于 輸入信號(hào)中包含了傳感器位置信息， 因此可 以另外加上一個(gè)位置節(jié)點(diǎn)。
兩個(gè)網(wǎng)絡(luò)形成了 如圖 5 和圖 6 所示的節(jié)點(diǎn)結(jié)構(gòu)圖。
不平衡 頻帶1 頻帶2 頻帶3 頻帶4 頻帶5 頻帶6 頻帶7 頻帶8 輸入單元 輸出單元 軸承損壞 亞諧共振 聯(lián)軸器損壞 不對(duì)中 軸承座松動(dòng) 不等軸承剛度 基礎(chǔ)共振 機(jī)殼變形 軸向碰磨 隱單元
善的標(biāo)準(zhǔn)樣本后， 可以以子網(wǎng)絡(luò)的形式加入 到集成網(wǎng)絡(luò)種來(lái)，這樣一來(lái)，系統(tǒng)就充分利 用了各種采集到的信號(hào)， 并能夠在這些信號(hào) 的接受、存儲(chǔ)和判別過(guò)程中“積累經(jīng)驗(yàn)” ， 從而實(shí)現(xiàn)智能自動(dòng)診斷行為。
由于診斷系統(tǒng)由神經(jīng)網(wǎng)絡(luò)組成，因此， 采集到的信號(hào)經(jīng)過(guò)處理后，形成待診斷向 量，只用進(jìn)行簡(jiǎn)單的匹配計(jì)算，決策融合后 即可給出最終的診斷結(jié)論， 并能給出相應(yīng)的 維護(hù)意見(jiàn)，整個(gè)過(guò)程可瞬時(shí)完成。
設(shè)備運(yùn)行 出現(xiàn)異常后，即可進(jìn)行自動(dòng)診斷，并立即給 出診斷結(jié)果和建議，其間并不需要人工干 預(yù)，體現(xiàn)了高度的智能化行為。

圖 5 網(wǎng)絡(luò) NN1 結(jié)構(gòu) 軸向碰磨 油溫 聯(lián)軸器損壞 水平振值 不對(duì)中 不等軸承剛度 軸承座松動(dòng) 位置 輸入單元 隱單元 輸出單元

3 基于神經(jīng)網(wǎng)絡(luò)的智能診斷的發(fā) 展動(dòng)向 智能診斷系統(tǒng)的核心問(wèn)題是它的學(xué)習(xí) 能力問(wèn)題， 知識(shí)的自動(dòng)獲取一直是故障診斷 專家系統(tǒng)的難點(diǎn)，， 解決知識(shí)獲取的途徑是機(jī) 器學(xué)習(xí)， 即讓機(jī)器能夠在實(shí)際工作中不斷地 總結(jié)成功和失敗的經(jīng)驗(yàn)教訓(xùn)， 對(duì)知識(shí)庫(kù)中的 診斷知識(shí)進(jìn)行調(diào)整和修改， 以豐富和完善系 [11] 統(tǒng)知識(shí)。
機(jī)器學(xué)習(xí)是提高診斷專家系統(tǒng)的 主要途徑， 也是提高診斷系統(tǒng)智能性的重要 標(biāo)志。
隨著神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)和反向傳播算法 及連接機(jī)制學(xué)習(xí)蓬勃發(fā)展， 傳統(tǒng)的符號(hào)學(xué)習(xí)
上一篇論文：試論論文格式要求 下一篇論文：試論國(guó)貿(mào)課程論文

淺析智能診斷與動(dòng)態(tài)測(cè)試技術(shù)課程論文 導(dǎo)讀：旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng) . 上一頁(yè) 1 2 3 4 5 6 下一頁(yè) 與連接機(jī)制已經(jīng)逐步被取代。
基于生物發(fā)育 進(jìn)化論的進(jìn)化學(xué)習(xí)系統(tǒng)和遺傳算法， 因吸取 了歸納學(xué)習(xí)與連接機(jī)制學(xué)習(xí)的長(zhǎng)處而受到 重視。
基于行為主義的強(qiáng)化學(xué)習(xí)系統(tǒng)因發(fā)展 新算法的應(yīng)用連接機(jī)制， 學(xué)習(xí)遺傳算法的新 成就發(fā)展也十分迅速。
數(shù)據(jù)挖掘研究的蓬勃 發(fā)展， 為從計(jì)算機(jī)數(shù)據(jù)庫(kù)和計(jì)算機(jī)網(wǎng)絡(luò)提取 有用信息和知識(shí)提供了新的方法， 已經(jīng)取得 了許多有價(jià)值的研究和應(yīng)用成果。
因此，發(fā)展和完善現(xiàn)有的機(jī)器學(xué)習(xí)方 法，探索新的學(xué)習(xí)方法，建立更為實(shí)用的機(jī) 器學(xué)習(xí)系統(tǒng)， 特別是多種學(xué)習(xí)方法協(xié)同工作
垂直振值 軸向振值
圖 6 網(wǎng)絡(luò) NN2 結(jié)構(gòu) 這樣， 風(fēng)機(jī)經(jīng)網(wǎng)絡(luò) NN1 診斷的結(jié)果將形 成一個(gè)十維輸入量， 經(jīng)網(wǎng)絡(luò) NN2 診斷的結(jié)果 將形成一個(gè)六維輸入量， 兩者在決策融合神 經(jīng)網(wǎng)絡(luò)中進(jìn)行運(yùn)算，并輸出某些特征值，這 些特征值與經(jīng)驗(yàn)值做出比較， 從而判斷是否 超過(guò)極限，若超出極限，系統(tǒng)將報(bào)警并做出 相應(yīng)決策。
此外，在該系統(tǒng)運(yùn)行過(guò)程中，若其中一 個(gè)網(wǎng)絡(luò)沒(méi)有輸出結(jié)果時(shí)， 系統(tǒng)同樣能夠輸出 結(jié)果， 因?yàn)榇藭r(shí)系統(tǒng)相當(dāng)于利用單子網(wǎng)絡(luò)進(jìn) 行故障診斷， 這種設(shè)計(jì)大大增加了系統(tǒng)的抗 干擾能力。
2.3 系統(tǒng)的智能自動(dòng)化行為 在該風(fēng)機(jī)智能診斷系統(tǒng)中， 其他來(lái)自風(fēng) 機(jī)的信號(hào)，如噪聲，油液分析等，在形成完
4
智能診斷與動(dòng)態(tài)測(cè)控技術(shù)課程論文
的診斷系統(tǒng)，將是今后研究的一個(gè)重要方 向。
參 考 文 獻(xiàn) [1] 鐘秉林， 黃仁.機(jī)械故障診斷學(xué) （第三版）[M].
北京:機(jī)械工業(yè)出版社.2007.
[2] 屈梁生 .
人工神經(jīng)網(wǎng)絡(luò)與機(jī)械工程中的智能 化 問(wèn) 題 [J].
中 國(guó) 機(jī) 械 工 程,1997,02:1-4+121.
[3] 陳長(zhǎng)征 , 張省 , 虞和濟(jì) .
基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn) 機(jī) 械 故 障 診 斷 研 究 [J].
度,2000,02:104-106+112.
[4] 易建鋼 .
冶金風(fēng)機(jī)智能診斷系統(tǒng)研究 [D].
武 漢科技大學(xué),2007.
[5] 曾良才 , 曾永龍 , 傅連東 , 易建鋼 , 涂福泉 .
神 經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的風(fēng)機(jī)智能診斷系統(tǒng)研究 [J].
礦山機(jī)械,2008,03:14-16.
[6] 張西寧 , 李艾華 , 屈梁生 .
大型回轉(zhuǎn)機(jī)械實(shí)時(shí) 在線監(jiān)測(cè)和故障診斷網(wǎng)絡(luò)系統(tǒng)的研制 [J].
機(jī) 械科學(xué)與技術(shù),1998,05:133-135.
[7] Howard I.
A Review of Rolling Element Bearing Vibration'Detection, Diagnosis and Prognosis'[R].
DEFENCE SCIENCE AND TECHNOLOGY ORGANIZATION CANBERRA (AUSTRALIA), 2009.
[8] 張雪江,何永勇,毛玉良, 賈民平,鐘秉林,黃仁.
旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng) [J].
上一篇論文：試論論文格式要求 下一篇論文：試論國(guó)貿(mào)課程論文

  本文關(guān)鍵詞：動(dòng)態(tài)測(cè)試技術(shù)課程，由筆耕文化傳播整理發(fā)布。