基于神經(jīng)網(wǎng)絡(luò)的機械故障診斷技術(shù)的研究.pdf

1、隨著機械設(shè)備復(fù)雜程度和自動化水平的提高，機械設(shè)備故障診斷的重要性日益顯著，而選擇合適的診斷方法對于診斷結(jié)果是否精確至關(guān)重要。在智能故障診斷技術(shù)的研究中，小波分析和神經(jīng)網(wǎng)絡(luò)技術(shù)都是熱點研究內(nèi)容，也是研究的前沿。
　　本文首先對故障診斷技術(shù)的研究內(nèi)容及研究意義進行了闡述，介紹了故障診斷主要的方法及步驟，通過對機械故障振動信號的引入，對故障時振動的時域和頻域的信號進行分析。接著介紹了基于神經(jīng)網(wǎng)絡(luò)的故障診斷技術(shù)的基本特征和性質(zhì)，以及神經(jīng)網(wǎng)

2、絡(luò)的主要類型，分析了神經(jīng)網(wǎng)絡(luò)作為一種新型技術(shù)的優(yōu)點。其次，詳細介紹了RBF網(wǎng)絡(luò)，并將RBF神經(jīng)網(wǎng)絡(luò)與BP網(wǎng)絡(luò)進行對比。由于RBF網(wǎng)絡(luò)的預(yù)測精度要大于BP神經(jīng)網(wǎng)絡(luò)，同時RBF網(wǎng)絡(luò)的訓(xùn)練時間明顯小于BP網(wǎng)絡(luò)，在故障診斷中顯示出更大的優(yōu)勢。通過對各種理論基礎(chǔ)的分析與比較，為后面的工作提供理論基礎(chǔ)。
　　由于小波變換不具備時移不變性，針對小波分析的不足，本文提出了多分辨率分析和小波固定時間基分析。以船用空氣壓縮機為例，對空氣壓縮機運行中的

3、振動信號進行了研究，并對往復(fù)式壓縮機的氣閥振動信號進行了采集，得到相應(yīng)測量數(shù)據(jù)。通過Labview平臺基于小波固定時間基分析得到的實驗數(shù)據(jù)，作為神經(jīng)網(wǎng)絡(luò)的輸入樣本。最后通過RBF神經(jīng)網(wǎng)絡(luò)對空氣壓縮機進行故障診斷。
　　小波固定時間基分析有效地剔除了壓縮機氣閥故障信號中的冗余,降低了神經(jīng)網(wǎng)絡(luò)的輸入維數(shù),改善網(wǎng)絡(luò)的收斂性能,從而減少了網(wǎng)絡(luò)的訓(xùn)練時間,避免網(wǎng)絡(luò)陷入局部極小。最終通過仿真實驗證實了基于小波固定時間基分析和神經(jīng)網(wǎng)絡(luò)用于故障診