基于模糊神經(jīng)網(wǎng)絡(luò)的采煤機智能故障診斷研究.pdf

1、隨著科學(xué)技術(shù)的飛速發(fā)展，工程設(shè)備日趨復(fù)雜，自動化程度越來越高，設(shè)備運行的安全性和可靠性也越來越受到人們的重視。傳統(tǒng)的故障診斷方法無法對大型復(fù)雜設(shè)備作出準確、實時地診斷，這時就必須采用智能故障診斷的理論和方法。 本文論述了模糊邏輯系統(tǒng)和模糊推理方法，并有針對性地討論故障診斷中的模糊邏輯規(guī)則和模糊推理問題。詳細論述了神經(jīng)網(wǎng)絡(luò)技術(shù)的理論、方法，針對傳統(tǒng)的基于梯度學(xué)習(xí)算法的不足，采用了最近提出的一種新的神經(jīng)網(wǎng)絡(luò)算法即最優(yōu)學(xué)習(xí)機(ELM)

2、算法，并對其進行了理論推導(dǎo)。由于ELM神經(jīng)網(wǎng)絡(luò)的輸入權(quán)值和閾值可以任意選擇，不像基于梯度算法那樣反復(fù)調(diào)整輸入權(quán)值和閾值，所以大大提高了網(wǎng)絡(luò)的訓(xùn)練速度，并且具有更好的泛化性能。它克服了基于梯度算法的主要瓶頸，適合于實時的故障診斷系統(tǒng)中。 通過模糊邏輯系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的比較，利用兩者的優(yōu)點，構(gòu)建了模糊神經(jīng)網(wǎng)絡(luò)模型。通過對采煤機的故障分析，提取實際的故障數(shù)據(jù)對模糊神經(jīng)網(wǎng)絡(luò)模型進行了驗證，證明了其有效性。 論述了采煤機智能故障診斷