基于神經(jīng)網(wǎng)絡的旋轉機械振動故障診斷的研究.pdf

1、本文主要采取對旋轉機械轉子振動信號進行頻譜分析來進行故障診斷,通過經(jīng)驗選擇八個具有代表性的頻段的譜值作為診斷的特征向量,然后采用人工神經(jīng)網(wǎng)絡對振動的特征向量進行分析。本文首先選取的是三層BP神經(jīng)網(wǎng)絡進行分析,BP神經(jīng)網(wǎng)絡的輸入為八個典型的故障特征向量,輸出代表不對中故障,不平衡故障,碰摩故障以及渦動四個故障,通過神經(jīng)網(wǎng)絡的訓練學習,達到對故障進行識別分類的目的。一方面,為了進一步提高BP神經(jīng)網(wǎng)絡的精度,本文將模糊理論與BP神經(jīng)網(wǎng)絡相結合

2、,通過將輸入與輸出的特征向量進行模糊化,提高故障識別的精度。這樣,BP神經(jīng)網(wǎng)絡的輸入則代表的是典型故障特征對于故障特征的影響隸屬度,輸出代表的是各種故障出現(xiàn)的可能值,這也為多種故障的診斷提出了一種可行的方法。另一方面,對于BP神經(jīng)網(wǎng)絡容易陷入局部最小化的問題,采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的權值和閾值,通過對神經(jīng)網(wǎng)絡的權值閾值進行編碼,選擇,交叉,變異等一系列操作,選取最大適應度的權值與閾值。這樣提高了神經(jīng)網(wǎng)絡判斷的精度,使得神經(jīng)網(wǎng)絡在權