滑片式压缩机故障诊断专家系统研究

发布时间：2021-09-24 00:51

　　本文以滑片式空气压缩机为诊断对象,全面阐述了专家系统和神经网络的基本理论和系统结构。专家系统能够模拟人脑的逻辑思维过程,解决需要进行复杂推理的复杂诊断问题；可以存储和推广专家宝贵的经验和知识,更加有效的发挥各种专门人才的作用,使一般的维修人员也能达到专家级的诊断水平；故障诊断专家系统能不断增长知识,修改原有知识,不断更新。但是,专家系统中不确定信息的处理能力差是故障诊断专家系统中的一个非常重要的瓶颈问题。本文以产生式系统为基础,在处理不确定信息时,引入了模糊推理方法。采用了知识的数据库表达方式,使得专家系统的学习变得十分简便。模拟人脑结构的人工神经网络方法是一种全新的、有前景的故障诊断方法。在知识获取上,神经网络的知识不需要由知识工程师整理、总结以及消化。领域专家的知识,只需要用领域专家解决问题的实例或范例来训练神经网络。神经网络系统的知识获取与专家系统相比,既具有更多的时间效率,又能保证更高的质量。本文采用三层前馈式神经网络,运用BP算法,以滑片式压缩机实验平台测试得到的典型故障数据为神经网络训练的样本。压缩机实验平台检测压缩机各个部分的性能数据,通过神经网络前向计算,找出压缩机的故... 

【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

滑片式压缩机原理图

东北大学硕士学位论文第2章滑片式压缩机故障与实验平台的搭建卡上FIFO:4K采样;转换时间:2.sps，输出范围:双极性:士0.625V，士1.25V，士2.SV，士SV，士0.625V，士10V单极性:0~1.25V，0~2.SV，O~SV，0~10V;最大输入过载电压:土30V。滑片式压缩机实验平台的部分结构如图2.3和图2.4所示。

单极性:0~1.25V，0~2.SV，O~SV，0~10V;最大输入过载电压:土30V。滑片式压缩机实验平台的部分结构如图2.3和图2.4所示。图23压缩机排气量测试平台图图2.4压缩机机体部分性能测试图 Fig2.3TestPladbn.ofeomPr巴贬泊 remissionFig2.4ComPressorbodytest


本文编号：3406765