基于大型旋转机组的非平衡状态小波模式识别与神经网络预测技术研究

摘要

大型机电设备在工业生产中占有非常重要的地位，保障大型机电设备的安全运行具有非常重要的经济意义与社会意义。大型机电设备的故障诊断与趋势预示技术是保障大型机电设备安全运行的关键技术。 针对机电设备非线性非平稳运行状态诊断以及趋势预测的需要，结合智能技术的最新进展，运用小波及小波包分析、结合神经网络的方法，对基于知识的机电系统智能故障诊断和趋势预示技术进行深入研究。主要研究成果如下： 1．针对大型旋转机械信号非平稳的特性，利用小波变换可以同时对信号进行时域和频域分析的特性，实现信号的奇异点检测、消噪、趋势分析等处理。对仿真信号的分别采用强制、全局阈值和软阈值三种方法进行降噪处理，分析了Daubechies小波阶数选取对降噪效果的影响。 2．利用小波包提取旋转机械转子振动信号的特征值，提出并解决了小波包提取特征值中的两个问题，一是采样频率问题通过插值的方法可以解决，二是根据研究目的确定所用的小波基函数；在此基础上研究了小波包提取局部特征值的方法；最后结合模糊和神经网络聚类理论提出了小波包模糊聚类诊断网络并对不同状态下采集的四组烟机信号进行网络训练分类。 3．研究了人工神经网络趋势预测技术，分别使用BP和RBF网络对烈度值进行短期预测，给出两个网络的预测结果并进行了比较。 4．开发了以北京燕山石化炼油厂1号烟汽轮机组为对象的小波信号分析系统，该系统使用MATLAB 7的GUI技术，实现了信号分解、提取特征值等功能。

目录

文摘

英文文摘

学位论文版权使用授权书及硕士学位论文原创性声明

第一章引言

1.1大型旋转机械状态检测与故障诊断的意义

1.2国内外故障诊断技术的发展

1.3状态预测技术发展

1.4论文主要研究内容

第二章大型旋转机组振动信号的时频分析方法

2.1时域分析

2.1.1幅域分析

2.1.2时域变换

2.2频域分析

第三章基于MATLAB的小波分析在信号处理中的应用

3.1小波分析产生与发展

3.2多分辨分析及其工程意义

3.3 Daubechies小波简介

3.4小波分析在信号处理中的应用

3.4.1信号奇异性检测

3.4.2信号消噪

3.4.3含噪声信号中有用信号的发展趋势

3.5基于小波分解的消噪仿真实例

第四章非平稳信号小波包模式识别法

4.1小波包的物理考虑

4.2小波包定义

4.3故障诊断中小波包分析的应用

4.3.1小波包提取特征向量的方法

4.3.2旋转机械小波包提取特征向量过程中应注意的两个问题

4.4实验分析

4.5风机转子信号的频带信号局部能量提取方法

4.6小波包模糊聚类诊断网络研究

4.6.1自组织特征映射网络结构

4.6.2小波包模糊聚类神经网络的建立

4.6.3实验验证

第五章人工神经网络在状态预测中的应用

5.1神经网络发展简介

5.2神经网络的特点

5.3神经网络模型

5.3.1神经元结构模型

5.3.2 BP神经网络

5.3.3径向基(RBF)函数网络结构及学习过程

5.4人工神经网络趋势预测

5.4.1时间序列预测精度评价函数的选取

5.4.2神经网络预测模型的建立

5.5实验验证

第六章基于Matlab的燕山石化炼油厂1号烟汽轮机组小波分析系统的设计

第七章结论与展望

6.1研究结论

6.2建议与展望

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