基于RBF神经网络的旋转机械故障诊断

摘要

随着现代工业和科学技术的迅速发展，特别是计算机技术的发展，现代设备的结构越来越复杂，自动化系统的规模越来越大。一个大型的设备系统往往是由大量的工作部件组成的，不同的部件之间互连，紧密耦合。这一方面提高了系统的自动化水平，为生产带来了可观的经济效益，另一方面由于系统运行的因素骤增，使其产生故障和失效的潜在可能性越来越大，一个部件故障常常引起链式反应，导致整个系统甚至整个生产过程不能正常运行乃至瘫痪。所以现代系统运行的安全性和可靠性已成为人类必须解决的刻不容缓的问题。 本文结合当今世界一些先进的旋转机械故障诊断的方法和技术，提出了一个新型的故障诊断方法，并在实验和工厂现场中验证。实验表明基于RBF神经网络的旋转机械故障诊断方法的科学性和实用性，具有一定的实用价值。本文主要研究以下内容：1．根据普通BP神经网络训练收敛速度慢和精度不高的缺陷，研究了几种BP神经网络的改进模型，并通过实验数据进行仿真，得出改进的BP神经网络在故障诊断中比普通BP网络具有很大的优势。2．提出了基于RBF神经网络的故障诊断，分析了RBF神经网络原理，用MATLAB语言实现了RBF神经网络仿真，并对故障进行诊断，并和BP神经网络诊断的结果进行了比较分析。把RBF网络仿真模型应用于通过BENTLY实验台模拟常见的几种旋转机械故障所得到的故障数据和在工厂现场(燕山石化注水机组)得到的数据进行故障诊断，其诊断结果与实际故障类型吻合，证明了此RBF神经网络模型在故障诊断中的有效性，具有一定的实用价值。

目录

文摘

英文文摘

声明

第一章引言

1.1课题研究的目的和意义

1.2旋转机械故障诊断概述

1.2.1旋转机械故障定义及其分类

1.2.2旋转机械故障的特点

1.2.3旋转机械故障诊断的方法

1.3机械故障诊断在国内外研究现状与发展方向

1.4神经网络在机械故障诊断中的应用

1.5论文主要研究的内容

第二章旋转机械典型故障分析

2.1常见旋转机械的故障机理及特征分析

2.2轴承故障机理及特征

2.3小结

第三章神经网络理论基础

3.1神经网络的基本理论

3.2神经网络结构与学习方法

3.2.1人工神经元模型

3.2.2人工神经元传递函数

3.2.3神经网络的联结形式

3.2.4神经网络的学习

3.3 BP神经网络

3.3.1 BP神经网络的模型与结构

3.3.2 BP神经网络的传播算法

3.3.3 BP神经网络的缺陷与改进

3.4改进的BP神经网络

3.4.1弹性神经网络

3.4.2 LM人工神经网络

3.4.3 BP神经网络与弹性神经网络、LM网络的比较

3.5小结

第四章RBF神经网络在旋转机械故障诊断中的应用

4.1 RBF神经网络的模型

4.2 RBF神经网络的学习

4.2.1 RBF神经网络的径向基函数

4.2.2 RBF径向基函数的选取

4.3 RBF网络学习性能

4.4基于RBF神经网络的旋转机械故障诊断

4.4.1 RBF网络的学习

4.4.2 RBF网络故障诊断实例

4.5小结

第五章结论与展望

5.1结论

5.2展望

致谢

参考文献

个人简历 在读期间发表的学术论文与研究成果