基于PNN模型的机械设备状态预警和故障诊断方法研究
发布时间：2021-11-18 01:40
随着机械设备大型化、连续化、自动化程度的不断提高,对故障诊断技术的要求也越来越高。本文针对故障诊断领域内机械设备状态预警技术和故障诊断技术的研究现状,运用人工神经网络的方法,对这一问题进行了研究。主要内容概括如下：（1）论述了目前故障诊断领域的研究现状以及主要的技术手段、方法,指出其存在的不足,提出了本文的研究内容及意义；（2）根据人工神经网络理论,分析了多种神经网络模型的结构、运行机理、参数的选取以及各自的优缺点,重点研究了概率神经网络,并根据不同的应用目的对其进行了相应的改进,确定了本文主要的技术手段；（3）为解决目前故障诊断领域中机械设备预警技术存在的缺陷,本文以设备运行的历史数据为基础,运用概率神经网络理论,构建了设备运行状态预警模型,通过仿真证明了该模型的正确性和合理性；（4）在上述模型的基础上,根据概率大小设置了自适应报警线,仿真验证了该报警线能根据设备运行的实际情况而自动调整；（5）分别运用BP误差反传神经网络、径向基函数神经网络和概率神经网络模型,对齿轮箱的典型故障进行了诊断,并对三种网络模型的诊断性能进行了对比分析。
【文章来源】：西安建筑科技大学陕西省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景和意义
1.2 故障诊断技术的研究现状及发展趋势
1.2.1 故障诊断技术的含义及研究内容
1.2.2 故障诊断技术的研究现状
1.2.3 故障诊断技术的发展趋势
1.3 故障诊断中报警技术的研究现状
1.3.1 目前常见的报警方法
1.3.2 目前报警方法存在的问题
1.4 本文研究内容
2 人工神经网络
2.1 人工神经网络概述
2.1.1 人工神经网络的发展历史
2.1.2 人工神经网络的基本模型
2.1.3 人工神经网络的功能
2.1.4 人工神经网络的应用领域
2.2 几种常见的人工神经网络
2.2.1 BP神经网络
2.2.2 径向基函数神经网络
2.2.3 概率神经网络
2.3 人工神经网络在故障诊断领域的应用
2.4 本章小结
3 设备运行状态预警模型
3.1 机械设备的故障模式及特点
3.1.1 机械故障的含义及特点
3.1.2 机械设备的故障模式
3.2 机械设备的一般劣化过程及设备运行状态的划分
3.3 概率神经网络的改进
3.4 设备运行状态预警模型的构建
3.4.1 平滑因子的确定
3.4.2 数据预处理
3.4.3 模型预警参数的选择
3.5 实验数据的获取
3.5.1 实验装置
3.5.2 数据采集与分析系统
3.5.3 实验方法
3.6 模型的实验验证及分析
3.6.1 正常状态下设备的预警模型
3.6.2 包含故障状态下的设备预警模型
3.7 自适应报警线的确定
3.7.1 报警阈值的确立
3.7.2 正常状态下的报警线
3.7.3 包含故障数据的报警线
3.7.4 自适应报警线
3.8 本章小结
4 人工神经网络在故障诊断中的应用
4.1 齿轮箱的故障诊断
4.1.1 齿轮箱故障类型的确定
4.1.2 特征量的选取
4.2 基于BP神经网络的齿轮箱故障诊断模型
4.2.1 网络模型的构建
4.2.2 网络的训练与仿真
4.3 基于RBF网络的齿轮箱故障诊断模型
4.3.1 用精确设计函数进行诊断
4.3.2 用普通设计函数进行诊断
4.4 基于概率神经网络的齿轮箱故障诊断模型
4.4.1 概率神经网络结构的确定
4.4.2 训练函数的编写及仿真
4.5 三种网络诊断性能的比较
4.6 本章小结
5 结论与展望
5.1 本文结论
5.2 论文展望
致谢
参考文献
附录
攻读硕士学位期间发表的论文
【参考文献】：
期刊论文
[1]RBF神经网络在旋转机械故障诊断中的应用[J]. 王光研,许宝杰. 机械设计与制造. 2008(09)
[2]智能故障诊断方法的研究和展望[J]. 张冰凌,许英姿,潘全文. 飞机设计. 2007(05)
[3]矿用主通风机故障预警及其软件开发[J]. 付胜,李海涛,朱全. 北京工业大学学报. 2007(08)
[4]基于优化平滑因子σ的概率神经网络的变压器故障诊断方法研究[J]. 陈波,郭壮志. 现代电力. 2007(02)
[5]Improved BP Neural Network for Transformer Fault Diagnosis[J]. SUN Yan-jing, ZHANG Shen, MIAO Chang-xin, LI Jing-meng School of Information and Electrical Engineering, China University of Mining & Technology, Xuzhou, Jiangsu 221008, China. Journal of China University of Mining & Technology. 2007(01)
[6]基于BP神经网络的旋转机械故障诊断[J]. 傅其凤,葛杏卫. 煤矿机械. 2006(04)
[7]机械故障诊断的现状与发展趋势[J]. 陆春月,王俊元. 机械管理开发. 2004(06)
[8]BP神经网络用于风机振动报警时间预测[J]. 秦衡峰,卜英勇,王福亮. 中国设备工程. 2004(09)
[9]液压动力系统运行状态识别技术研究[J]. 谷立臣,张优云,丘大谋. 机械工程学报. 2001(06)
[10]机械设备事故趋势与越限综合报警方法[J]. 刘刚,郝敬敏,邝继双. 河北农业大学学报. 2000(04)
硕士论文
[1]基于时、频域—小波分析和神经网络方法的齿轮箱故障诊断研究[D]. 时建峰.太原理工大学 2008
[2]基于振动信号分析和神经网络的齿轮箱故障诊断技术研究[D]. 熊健.中北大学 2008
[3]人工神经网络在变压器故障诊断应用中的比较研究[D]. 刘毅.广西大学 2007
[4]机械故障诊断中的自适应报警技术研究[D]. 张遂强.郑州大学 2006
[5]设备剩余寿命的预测与分析[D]. 邱立鹏.大连理工大学 2000
本文编号：3501969
【文章来源】：西安建筑科技大学陕西省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景和意义
1.2 故障诊断技术的研究现状及发展趋势
1.2.1 故障诊断技术的含义及研究内容
1.2.2 故障诊断技术的研究现状
1.2.3 故障诊断技术的发展趋势
1.3 故障诊断中报警技术的研究现状
1.3.1 目前常见的报警方法
1.3.2 目前报警方法存在的问题
1.4 本文研究内容
2 人工神经网络
2.1 人工神经网络概述
2.1.1 人工神经网络的发展历史
2.1.2 人工神经网络的基本模型
2.1.3 人工神经网络的功能
2.1.4 人工神经网络的应用领域
2.2 几种常见的人工神经网络
2.2.1 BP神经网络
2.2.2 径向基函数神经网络
2.2.3 概率神经网络
2.3 人工神经网络在故障诊断领域的应用
2.4 本章小结
3 设备运行状态预警模型
3.1 机械设备的故障模式及特点
3.1.1 机械故障的含义及特点
3.1.2 机械设备的故障模式
3.2 机械设备的一般劣化过程及设备运行状态的划分
3.3 概率神经网络的改进
3.4 设备运行状态预警模型的构建
3.4.1 平滑因子的确定
3.4.2 数据预处理
3.4.3 模型预警参数的选择
3.5 实验数据的获取
3.5.1 实验装置
3.5.2 数据采集与分析系统
3.5.3 实验方法
3.6 模型的实验验证及分析
3.6.1 正常状态下设备的预警模型
3.6.2 包含故障状态下的设备预警模型
3.7 自适应报警线的确定
3.7.1 报警阈值的确立
3.7.2 正常状态下的报警线
3.7.3 包含故障数据的报警线
3.7.4 自适应报警线
3.8 本章小结
4 人工神经网络在故障诊断中的应用
4.1 齿轮箱的故障诊断
4.1.1 齿轮箱故障类型的确定
4.1.2 特征量的选取
4.2 基于BP神经网络的齿轮箱故障诊断模型
4.2.1 网络模型的构建
4.2.2 网络的训练与仿真
4.3 基于RBF网络的齿轮箱故障诊断模型
4.3.1 用精确设计函数进行诊断
4.3.2 用普通设计函数进行诊断
4.4 基于概率神经网络的齿轮箱故障诊断模型
4.4.1 概率神经网络结构的确定
4.4.2 训练函数的编写及仿真
4.5 三种网络诊断性能的比较
4.6 本章小结
5 结论与展望
5.1 本文结论
5.2 论文展望
致谢
参考文献
附录
攻读硕士学位期间发表的论文
【参考文献】：
期刊论文
[1]RBF神经网络在旋转机械故障诊断中的应用[J]. 王光研,许宝杰. 机械设计与制造. 2008(09)
[2]智能故障诊断方法的研究和展望[J]. 张冰凌,许英姿,潘全文. 飞机设计. 2007(05)
[3]矿用主通风机故障预警及其软件开发[J]. 付胜,李海涛,朱全. 北京工业大学学报. 2007(08)
[4]基于优化平滑因子σ的概率神经网络的变压器故障诊断方法研究[J]. 陈波,郭壮志. 现代电力. 2007(02)
[5]Improved BP Neural Network for Transformer Fault Diagnosis[J]. SUN Yan-jing, ZHANG Shen, MIAO Chang-xin, LI Jing-meng School of Information and Electrical Engineering, China University of Mining & Technology, Xuzhou, Jiangsu 221008, China. Journal of China University of Mining & Technology. 2007(01)
[6]基于BP神经网络的旋转机械故障诊断[J]. 傅其凤,葛杏卫. 煤矿机械. 2006(04)
[7]机械故障诊断的现状与发展趋势[J]. 陆春月,王俊元. 机械管理开发. 2004(06)
[8]BP神经网络用于风机振动报警时间预测[J]. 秦衡峰,卜英勇,王福亮. 中国设备工程. 2004(09)
[9]液压动力系统运行状态识别技术研究[J]. 谷立臣,张优云,丘大谋. 机械工程学报. 2001(06)
[10]机械设备事故趋势与越限综合报警方法[J]. 刘刚,郝敬敏,邝继双. 河北农业大学学报. 2000(04)
硕士论文
[1]基于时、频域—小波分析和神经网络方法的齿轮箱故障诊断研究[D]. 时建峰.太原理工大学 2008
[2]基于振动信号分析和神经网络的齿轮箱故障诊断技术研究[D]. 熊健.中北大学 2008
[3]人工神经网络在变压器故障诊断应用中的比较研究[D]. 刘毅.广西大学 2007
[4]机械故障诊断中的自适应报警技术研究[D]. 张遂强.郑州大学 2006
[5]设备剩余寿命的预测与分析[D]. 邱立鹏.大连理工大学 2000
本文编号：3501969
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3501969.html
