基于模糊神经网络技术的D350高速风机故障诊断系统研究

摘要

针对D350风机常见故障的特点,在故障机理分析的基础上列举并分析了D350风机在实际工况下的典型振动故障,对各种故障的原因和所表现出的振动特性进行了研究,并根据D350风机的特点利用模糊量化法建立了故障诊断知识库,为故障诊断打下了基础.在基于知识的传统专家系统的基础上,提出了一种新的风机故障诊断专家系统模式--基于模糊神经网络的专家系统,克服了传统专家系统不能进行自学习、自适应的缺陷.针对D350风机的故障特点,将反映故障的振动信号运用模糊量化法进行处理,使之能更好的反映故障的随机性和不确定性.在本系统中,选用的是BP反向传播神经网络,利用神经网络学习算法获取知识,通过神经网络的连接模型表示知识,以充分利用神经网络学习能力的优势.在传统专家系统方法中,知识是通过符号以某种数据结构来表示的.本方法将D350风机故障知识库信息分布到神经网络的网络结构、权值和阈值中,从而可以较好地表示专家知识.该系统在现场实际运行中得到了工作人员的一致肯定,证明基于模糊神经网络的专家系统完全可以满足工程中的实际需要,而且优于传统专家系统,具有重要的应用价值.

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权说明

第一章绪论

1.1旋转机械故障诊断技术发展现状综述

1.1.1智能故障诊断系统发展概况

1.1.2模糊神经网络在智能诊断系统中的发展及应用

1.2模糊神经网络专家系统的技术特点

1.2.1模糊神经网络与专家系统结合的可行性分析

1.2.2模糊神经网络专家系统的技术特点

1.3课题来源、研究重点及研究意义

1.3.1本文研究工作的背景和目的

1.3.2本课题研究的具体内容

1.3.2本课题的研究意义

1.4小结

第二章D350风机故障诊断专家系统的建立

2.1 D350风机故障诊断专家系统的总体要求与基本架构

2.2 D350风机故障诊断专家系统深知识库的建立

2.3小结

第三章D350风机故障特征库的建立

3.1故障信号模糊量化法原理概述

3.2 D350风机常见故障的频域特征分析及故障特征点的确定

3.2.1油膜涡动故障特征分析及故障特征点的选取

3.2.2转子不对中的振动特性分析及故障特征点的选取

3.2.3松动故障的振动特性分析及故障特征点的选取

3.2.4其他故障模拟频谱及D350风机故障特征点的选取

3.3 D350风机频谱分析精度的改进办法

3.3.1 FFT频谱分析法及其缺陷

3.3.2 FFT-FS算法对FFT频谱分析法改进

3.4 D350风机故障特征库的建立

3.5小结

第四章D350风机故障诊断系统学习算法的实现

4.1 BP神经网络基本原理概述

4.2 D350风机故障诊断系统模糊神经网络算法的实现

4.2.1标准故障样本数据的获取

4.2.2标准故障样本频谱分析

4.2.3故障特征库的建立

4.2.4神经网络的学习和训练

4.3 D350风机模糊神经网络的训练及测试

4.4故障诊断实例

4.5小结

第五章结论

参考书目

附录

致谢