基于深度信念网络的空调压缩机故障诊断系统研究
发布时间:2021-01-21 20:23
空调压缩机作为空调系统中最为关键的核心部件,一旦发生异常情况出现故障将影响整个系统的正常工作。特别是在工业化生产中,许多生产就都必须保持温度条件的准确与稳定,才能保证产品生产质量。因此,对空调压缩机运行状态的准确监测与故障诊断的研究在保障机械设备的良好运转与工业生产的产品保障都有着十分关键的作用。本文以空调压缩机为研究对象,针对空调压缩机各项运行参数的监测分析和机体故障推理诊断,进行了一系列的研究工作。主要内容如下:首先,通过系统的理论阐述和各类的实践应用分析,对本课题的基本研究背景及具体意义进行了详细的介绍,主要研究分析了故障诊断系统与深度信念网络相关技术的研究现状发展趋势。通过分析确定了系统最终使用的基础算法。其次,研究分析了深度信念网络的基本原理与具体训练方法,并在原有基础上引入动态学习率的概念改进了深度信念网络的训练过程,提高了模型网络的训练效率。然后利用深度信念网络模型对空调压缩机的运行状态进行监测,并且通过与其他方法的比较证明了本文方法的有效性。再次,基本阐述了空调压缩机的基本工作原理、并对压缩机的各类典型故障类型及原因进行了研究与剖析。形成了基本的知识体系,在此基础上建立...
【文章来源】:重庆理工大学重庆市
【文章页数】:50 页
【学位级别】:硕士
【部分图文】:
RBM结构图
p Belief Network,DBN)是一种典型的深度学经元叠加而成的。这里的神经元就是受限制种概率生成模型。RBM 是一种神经感知器层与隐藏层的神经元之间为双向全连接。权值。这个权值用来表示神经元之间的连下一个 RBM 的可视层并最终构建成整个网.2 是一个由 3 个 RBM 组成的深度信念网络监督的预训练和有监督的微调。图 2.1 RBM 结构图
诊断专家系统的建立系统旨在通过对知识体系推理来解决复杂问题,主要利用的是 if-then的专家系统由知识库、推理引擎、解释工具、知识获取模块、用户界成。专家系统的基本组成部分与运行机制如图 3.9 所示。由图中可以的关键部分是知识库和推理引擎。知识库用来存储通过专家进行获取推理引擎则基于知识库中的知识规则对用户提供的条件进行推理得到就像一辆汽车的心脏是发动机,而要想运转发动机则需要消耗燃油,家系统的心脏时推理引擎,油箱则是知识库。课题的应用中,主要通过上面对压缩机运行原理研究与常见故障的分现象即系统监测到的压缩机运行状态异常情况与故障原因相对应的知知识库内容如表 3.6 所示。在完成专家系统知识库的基本建立后,选理方法来构建专家系统的推理引擎。然后与 3.1 构建的基于深度信念监测模型相结合,形成一个完整的空调压缩机故障诊断系统。其基本示。
【参考文献】:
期刊论文
[1]基于深度信念网络的短期负荷预测方法[J]. 孔祥玉,郑锋,鄂志君,曹旌,王鑫. 电力系统自动化. 2018(05)
[2]动态深度信念网络模型构建[J]. 张俊俊,何良华. 微型机与应用. 2017(01)
[3]深度学习方法研究新进展[J]. 刘帅师,程曦,郭文燕,陈奇. 智能系统学报. 2016(05)
[4]基于动态Gibbs采样的RBM训练算法研究[J]. 李飞,高晓光,万开方. 自动化学报. 2016(06)
[5]深度信念网络研究综述[J]. 丁美昆,徐昱琳,蒋财军. 工业控制计算机. 2016(04)
[6]基于深度信念网络的轴承故障分类识别[J]. 李巍华,单外平,曾雪琼. 振动工程学报. 2016(02)
[7]基于深度信念网络的信号重构与轴承故障识别[J]. 单外平,曾雪琼. 电子设计工程. 2016(04)
[8]基于深度信念网络的电力变压器故障分类建模[J]. 石鑫,朱永利,萨初日拉,王刘旺,孙岗. 电力系统保护与控制. 2016(01)
[9]基于概率神经网络的离心式制冷机故障诊断[J]. 梁晴晴,韩华,崔晓钰. 暖通空调. 2015(11)
[10]复合故障诊断技术综述[J]. 张可,周东华,柴毅. 控制理论与应用. 2015(09)
本文编号:2991831
【文章来源】:重庆理工大学重庆市
【文章页数】:50 页
【学位级别】:硕士
【部分图文】:
RBM结构图
p Belief Network,DBN)是一种典型的深度学经元叠加而成的。这里的神经元就是受限制种概率生成模型。RBM 是一种神经感知器层与隐藏层的神经元之间为双向全连接。权值。这个权值用来表示神经元之间的连下一个 RBM 的可视层并最终构建成整个网.2 是一个由 3 个 RBM 组成的深度信念网络监督的预训练和有监督的微调。图 2.1 RBM 结构图
诊断专家系统的建立系统旨在通过对知识体系推理来解决复杂问题,主要利用的是 if-then的专家系统由知识库、推理引擎、解释工具、知识获取模块、用户界成。专家系统的基本组成部分与运行机制如图 3.9 所示。由图中可以的关键部分是知识库和推理引擎。知识库用来存储通过专家进行获取推理引擎则基于知识库中的知识规则对用户提供的条件进行推理得到就像一辆汽车的心脏是发动机,而要想运转发动机则需要消耗燃油,家系统的心脏时推理引擎,油箱则是知识库。课题的应用中,主要通过上面对压缩机运行原理研究与常见故障的分现象即系统监测到的压缩机运行状态异常情况与故障原因相对应的知知识库内容如表 3.6 所示。在完成专家系统知识库的基本建立后,选理方法来构建专家系统的推理引擎。然后与 3.1 构建的基于深度信念监测模型相结合,形成一个完整的空调压缩机故障诊断系统。其基本示。
【参考文献】:
期刊论文
[1]基于深度信念网络的短期负荷预测方法[J]. 孔祥玉,郑锋,鄂志君,曹旌,王鑫. 电力系统自动化. 2018(05)
[2]动态深度信念网络模型构建[J]. 张俊俊,何良华. 微型机与应用. 2017(01)
[3]深度学习方法研究新进展[J]. 刘帅师,程曦,郭文燕,陈奇. 智能系统学报. 2016(05)
[4]基于动态Gibbs采样的RBM训练算法研究[J]. 李飞,高晓光,万开方. 自动化学报. 2016(06)
[5]深度信念网络研究综述[J]. 丁美昆,徐昱琳,蒋财军. 工业控制计算机. 2016(04)
[6]基于深度信念网络的轴承故障分类识别[J]. 李巍华,单外平,曾雪琼. 振动工程学报. 2016(02)
[7]基于深度信念网络的信号重构与轴承故障识别[J]. 单外平,曾雪琼. 电子设计工程. 2016(04)
[8]基于深度信念网络的电力变压器故障分类建模[J]. 石鑫,朱永利,萨初日拉,王刘旺,孙岗. 电力系统保护与控制. 2016(01)
[9]基于概率神经网络的离心式制冷机故障诊断[J]. 梁晴晴,韩华,崔晓钰. 暖通空调. 2015(11)
[10]复合故障诊断技术综述[J]. 张可,周东华,柴毅. 控制理论与应用. 2015(09)
本文编号:2991831
本文链接:https://www.wllwen.com/guanlilunwen/gongchengguanli/2991831.html