改进RBFNN设备健康状态检测系统的设计与实现
发布时间：2021-10-07 18:13
随着现代工业的发展,我国传统工业设备逐渐与新兴科技相结合,变得更加智能化。大型工业设备具有较长使用年限,在此工作期间由于设备经过长时间的运行,某些部位中的零件互相摩擦、相互挤压碰撞、设备使用时所用到的化学原料渐渐的腐蚀着设备的零件,导致设备零件逐渐磨损、腐化、断裂,产生一系列设备故障问题,最终造成巨大的经济损失。如果可以随时掌握零件磨损情况,对其磨损位置、磨损程度进行准确定位检测,在零件崩裂前,对损耗的设备故障零件进行及时的修复调换,便能够有效降低因设备零件故障所造成的经济损失。随着信息化时代来临,人工智能领域迅猛发展并应用在各个领域。灵活运用人工智能技术已然成为各行各业里研究学者的一个重要研究方向。针对现有设备健康状态检测系统自身的局限性,本文设计改进RBF神经网络（RBFNN）设备健康状态检测系统。由于原始RBFNN不能准确计算中心向量和节点宽度,导致RBFNN性能达不到令人满意的结果。本文利用鸡群算法对RBFNN相关参数进行寻优,但其收敛速度慢,易陷入局部最优解,本文提出结合混沌搜索策略的成长鸡群算法（GCSO）,选取小鸡对其进行继承和成长操作进而代替公鸡,从而提高收敛速度,降低...
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
实验平台
图 2-2 实验平台结构图轴承数据集中数字信号的采样频率为 12000Hz 的驱动轴康状态检测，X97 到 X133 是各类型数据名，如表 2-1 所表 2-1 驱动轴承数据电机负载电机转速正常信号内圈故障信号滚动故障信号外圈（6 点钟方设备故障状态信0 1797 X97 X105 X118 X1301 1772 X98 X106 X119 X1312 1750 X99 X107 X120 X1323 1730 X100 X108 X121 X133处理
第 2 章 相关工作空间域中没有连续性，因此噪声经过小波变化后具备较强随机性，导致系数较小，而有效信号在空间域呈现连续的特性，经过小波变换后产生的系数较大。综上，可以根据小波系数的大小来区分信号的状态筛选出噪声，就可以最大程度的去除噪声。它通过三个部分来对数据进行降噪，首先选取合适的小波基，将原始信号进行分解为 N 层并对其进行小波变换得到小波系数。其次对分解后1~N 层的高频小波进行阈值量化处理，最后利用第 N 层的低频小波系数和经过量化后的高频小波系数进行重构，最终得到有效且具有明显特征的信号。图 2-3为小波阈值降噪处理具体流程。
【参考文献】：
期刊论文
[1]基于小波变换和改进中值滤波的医学图像耦合去噪算法（英文）[J]. 陈炳权,崔金鸽,徐庆,舒婷,刘宏立. Journal of Central South University. 2019(01)
[2]不同工质的高温热泵系统性能智能预测（英文）[J]. 于晓慧,张于峰,张彦,贺中禄,董胜明,马学莲,姚胜. Journal of Central South University. 2018(11)
[3]斜坡单元支持下区域泥石流危险性AHP-RBF评价模型[J]. 黄启乐,陈伟,傅旭东. 浙江大学学报(工学版). 2018(09)
[4]基于遗传RBF神经网络的高速电主轴热误差建模[J]. 张捷,李岳,王书亭,苟卫东. 华中科技大学学报(自然科学版). 2018(07)
[5]径向基函数神经网络的路网自动匹配算法[J]. 郭宁宁,盛业华,吕海洋,黄宝群,张思阳. 测绘科学. 2018(03)
[6]基于AQPSO的RBF神经网络自组织学习[J]. 杨刚,王乐,戴丽珍,杨辉,陆荣秀. 控制与决策. 2018(09)
[7]鸡群算法的收敛性分析[J]. 吴定会,孔飞,纪志成. 中南大学学报(自然科学版). 2017(08)
[8]基于混沌搜索和权重学习的教与学优化算法及其应用[J]. 柳缔西子,范勤勤,胡志华. 智能系统学报. 2018(05)
[9]基于可视化异类特征优选融合的滚动轴承故障诊断[J]. 杨洪柏,张宏利,刘树林. 计算机应用. 2017(04)
[10]基于小波改进阈值去噪与LMD的滚动轴承故障诊断研究[J]. 俞昆,谭继文,李善. 组合机床与自动化加工技术. 2016(10)
硕士论文
[1]信息重构的改进极限学习机故障诊断研究[D]. 高欣.辽宁大学 2018
[2]基于优化支持向量机的工业装备寿命预测算法研究[D]. 王学芝.辽宁大学 2014
本文编号：3422533
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
实验平台
图 2-2 实验平台结构图轴承数据集中数字信号的采样频率为 12000Hz 的驱动轴康状态检测，X97 到 X133 是各类型数据名，如表 2-1 所表 2-1 驱动轴承数据电机负载电机转速正常信号内圈故障信号滚动故障信号外圈（6 点钟方设备故障状态信0 1797 X97 X105 X118 X1301 1772 X98 X106 X119 X1312 1750 X99 X107 X120 X1323 1730 X100 X108 X121 X133处理
第 2 章 相关工作空间域中没有连续性，因此噪声经过小波变化后具备较强随机性，导致系数较小，而有效信号在空间域呈现连续的特性，经过小波变换后产生的系数较大。综上，可以根据小波系数的大小来区分信号的状态筛选出噪声，就可以最大程度的去除噪声。它通过三个部分来对数据进行降噪，首先选取合适的小波基，将原始信号进行分解为 N 层并对其进行小波变换得到小波系数。其次对分解后1~N 层的高频小波进行阈值量化处理，最后利用第 N 层的低频小波系数和经过量化后的高频小波系数进行重构，最终得到有效且具有明显特征的信号。图 2-3为小波阈值降噪处理具体流程。
【参考文献】：
期刊论文
[1]基于小波变换和改进中值滤波的医学图像耦合去噪算法（英文）[J]. 陈炳权,崔金鸽,徐庆,舒婷,刘宏立. Journal of Central South University. 2019(01)
[2]不同工质的高温热泵系统性能智能预测（英文）[J]. 于晓慧,张于峰,张彦,贺中禄,董胜明,马学莲,姚胜. Journal of Central South University. 2018(11)
[3]斜坡单元支持下区域泥石流危险性AHP-RBF评价模型[J]. 黄启乐,陈伟,傅旭东. 浙江大学学报(工学版). 2018(09)
[4]基于遗传RBF神经网络的高速电主轴热误差建模[J]. 张捷,李岳,王书亭,苟卫东. 华中科技大学学报(自然科学版). 2018(07)
[5]径向基函数神经网络的路网自动匹配算法[J]. 郭宁宁,盛业华,吕海洋,黄宝群,张思阳. 测绘科学. 2018(03)
[6]基于AQPSO的RBF神经网络自组织学习[J]. 杨刚,王乐,戴丽珍,杨辉,陆荣秀. 控制与决策. 2018(09)
[7]鸡群算法的收敛性分析[J]. 吴定会,孔飞,纪志成. 中南大学学报(自然科学版). 2017(08)
[8]基于混沌搜索和权重学习的教与学优化算法及其应用[J]. 柳缔西子,范勤勤,胡志华. 智能系统学报. 2018(05)
[9]基于可视化异类特征优选融合的滚动轴承故障诊断[J]. 杨洪柏,张宏利,刘树林. 计算机应用. 2017(04)
[10]基于小波改进阈值去噪与LMD的滚动轴承故障诊断研究[J]. 俞昆,谭继文,李善. 组合机床与自动化加工技术. 2016(10)
硕士论文
[1]信息重构的改进极限学习机故障诊断研究[D]. 高欣.辽宁大学 2018
[2]基于优化支持向量机的工业装备寿命预测算法研究[D]. 王学芝.辽宁大学 2014
本文编号：3422533
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3422533.html
