基于神经网络VLSI与噪声信号的故障诊断

摘要

为了改变传统的基于软件的机械故障诊断模式,以及发挥神经网络超大规模集成电路(VLSI)的优势,提出了一种用于故障诊断识别的脉冲频率调制(PFM)模拟神经网络脉冲流VLSI电路.实现了一种脉冲流数字模拟混合突触乘法/加法器电路,而且该神经网络电路的突触权值不需要学习调整,降低了电路的复杂性.以此电路为基础,设计了进行主轴承磨损故障诊断的神经网络故障识别系统.利用含有故障信息的噪声信号代替传感器安装困难的基于振动信号的特征值提取,最后,根据代表待识别信号与标准故障模板之间欧氏距离的电路输出端电容电压值可以判断出故障类别.该电路具有较高的识别精度,可以实现噪声故障信号的实时在线识别.