基于模糊神经网络的采煤机智能故障诊断研究

摘要

随着科学技术的飞速发展，工程设备日趋复杂，自动化程度越来越高，设备运行的安全性和可靠性也越来越受到人们的重视。传统的故障诊断方法无法对大型复杂设备作出准确、实时地诊断，这时就必须采用智能故障诊断的理论和方法。 本文论述了模糊逻辑系统和模糊推理方法，并有针对性地讨论故障诊断中的模糊逻辑规则和模糊推理问题。详细论述了神经网络技术的理论、方法，针对传统的基于梯度学习算法的不足，采用了最近提出的一种新的神经网络算法即最优学习机(ELM)算法，并对其进行了理论推导。由于ELM神经网络的输入权值和阈值可以任意选择，不像基于梯度算法那样反复调整输入权值和阈值，所以大大提高了网络的训练速度，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颈，适合于实时的故障诊断系统中。 通过模糊逻辑系统与神经网络的比较，利用两者的优点，构建了模糊神经网络模型。通过对采煤机的故障分析，提取实际的故障数据对模糊神经网络模型进行了验证，证明了其有效性。 论述了采煤机智能故障诊断系统的设计与实现方法。介绍了系统的总体结构、各个模块的构成和数据传输方式，对系统硬件和软件的实现进行了介绍，对故障诊断系统进行了实例演示。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题的研究背景及意义

1.2智能故障诊断的概述

1.2.1智能故障诊断的概念

1.2.2智能故障诊断的意义

1.2.3智能故障诊断的研究方法

1.2.4智能故障诊断的国内外研究概况

1.3采煤机故障诊断技术的发展现状

1.4本文的主要工作

第二章模糊逻辑系统与ELM神经网络

2.1模糊逻辑系统

2.1.1模糊规则库

2.1.2模糊推理机

2.1.3模糊化和反模糊化

2.2 ELM神经网络

2.2.1 Moore-Penrose广义逆

2.2.2 SLFNs的逼近问题

2.2.3基于梯度的算法

2.2.4 SLFNs的最小范数最小二乘解

2.2.5仿真实例

第三章模糊神经网络在采煤机故障诊断系统中的应用

3.1模糊神经网络模型

3.1.1模糊系统与神经网络的连接方式

3.1.2模糊系统与神经网络的比较

3.1.3模糊神经网络的构造

3.2故障诊断的基本原理

3.3故障诊断的内容

3.4学习样本组织

3.5模糊神经网络的训练与仿真

第四章采煤机故障诊断系统的设计

4.1系统总体结构

4.2数据采集模块

4.2.1数据采集模块的硬件设计

4.2.2数据采集模块软件的设计

4.3 CAN总线与上位机的通讯

4.3.1 CAN总线的特性

4.3.2 CANopen工作方式

4.3.3传输接口

4.3.4 CAN总线与上位机通讯的软件实现

4.4上位机软件的开发

4.4.1开发工具的选择

4.4.2软件功能设计

4.4.3数据库设计

4.4.4系统运行实例

第五章结束语

5.1论文总结

5.2不足与建议

参考文献

致谢