基于LM-BP神经网络的多级往复式压缩机气阀故障诊断研究

发布时间：2017-07-07 18:20

  本文关键词：基于LM-BP神经网络的多级往复式压缩机气阀故障诊断研究

  更多相关文章： 6M25往复式压缩机 气阀故障 BP神经网络 Levenberg-Marquardt算法 RBF神经网络

【摘要】：本课题“基于LM-BP神经网络的多级往复式压缩机气阀故障诊断研究”来源于金昌化学工业集团有限公司工程项目——往复式压缩机进出气阀故障诊断系统开发。以企业目前运行的6M25往复式压缩机为研究对象，充分调研现场情况。根据设备的运行数据和现场故障诊断的经验，，分析气阀故障与热力参数的变化的关系。 本文主要通过研究BP算法的理论基础，分析BP神经网络算法的原理，并系统研究了BP神经网络在解决机械故障诊断问题的优势，首次提出将Levenberg-Marquardt学习算法优化的BP神经网络运用到6M25往复式压缩机气阀故障诊断。并以6M25-185/314氢氮气压缩机的6级压差和6级温差作为网络的输入向量，详细地分析了三层LM-BP神经网络的结构、网络参数、训练模式的选择对诊断结果的影响。 最后建立可对往复式压缩机一至六级气阀故障进行在线监测及故障诊断的LM-BP神经网络模型。以100组故障数据作为网络训练样本，30组数据作为网络检测样本进行故障诊断，在Matlab运行环境中实现往复式压缩机气阀故障诊断问题。仿真结果表明，LM-BP神经网络的故障诊断结果与实测值具有良好的一致性，相比于变梯度BP神经网络和RBF（Radical Basis Function）神经网络诊断更快速稳定。利用Matlab软件平台设计的基于LM-BP神经网络的往复式压缩机气阀故障诊断系统，通过方便简洁的GUI用户界面，以数据及图像的方式显示出诊断结果，模型简单便于在工程实际中应用。
【关键词】：6M25往复式压缩机 气阀故障 BP神经网络 Levenberg-Marquardt算法 RBF神经网络
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183;TH45
【目录】：

• 摘要3-4
• ABSTRACT4-6
• 目录6-8
• 第一章 绪论8-16
• 1.1 课题研究背景及意义8-9
• 1.2 往复式压缩机气阀故障诊断技术的发展9-13
• 1.2.1 机械故障诊断发展过程9-10
• 1.2.2 往复式压缩机气阀故障诊断研究现状10-12
• 1.2.3 基于神经网络的气阀故障诊断研究现状12
• 1.2.4 LM-BP 神经网络气阀故障诊断过程12-13
• 1.3 课题研究内容13-15
• 1.4 本文组织结构15-16
• 第二章 6M_(25)往复式压缩机气阀故障机理分析16-24
• 2.1 6M_(25)往复式压缩机的组成及工艺参数16-19
• 2.1.1 6M_(25)往复式压缩机的组成16-17
• 2.1.2 6M_(25)往复式压缩机工艺参数17-19
• 2.2 6M_(25)压缩机气阀的组成及工作原理19-21
• 2.2.1 6M_(25)往复式压缩机气阀的组成及形式19-20
• 2.2.3 6M_(25)往复式压缩机气阀的工作原理20-21
• 2.3 6M_(25)往复式压缩机气阀故障原因及影响21-23
• 2.4 本章小结23-24
• 第三章 基于 LM-BP 神经网络的气阀故障诊断方法24-32
• 3.1 神经网络模型24-26
• 3.1.1 神经元模型24-25
• 3.1.2 神经元的传输函数25-26
• 3.2 BP 神经网络26-29
• 3.2.1 BP 神经网络模型26-27
• 3.2.2 LM 算法改进的 BP 神经网络27-28
• 3.2.3 LM-BP 网络算法步骤28-29
• 3.3 基于 LM-BP 神经网络的气阀故障诊断模型29-31
• 3.4 本章小结31-32
• 第四章 6M_(25)往复式压缩机气阀故障诊断及系统设计32-49
• 4.1 6M_(25)往复式压缩机故障诊断32-45
• 4.1.1 6M_(25)往复式压缩机气阀故障特征数据采集32-34
• 4.1.2 LM-BP 神经网络的训练34-37
• 4.1.3 6M_(25)气阀故障诊断过程及结果37-40
• 4.1.4 6M_(25)气阀故障诊断方法比较40-45
• 4.2 基于 MATLAB/GUI 气阀故障故障诊断系统开发45-48
• 4.3 本章小结48-49
• 第五章 总结与展望49-51
• 5.1 全文总结49
• 5.2 创新点49
• 5.3 研究的不足49-51
• 参考文献51-54
• 攻读学位期间的主要学术成果54-55
• 致谢55

【参考文献】

中国期刊全文数据库 前10条

1 王丽;刘振全;胡淞城;;动态气体力对往复式压缩机气阀运动规律影响的研究[J];甘肃科技;2009年03期

2 赵质良;陈学峰;程明;;压缩机气阀故障诊断[J];装备制造技术;2010年10期

3 高晶波,徐敏强,张嘉钟;2D12型往复式压缩机气阀故障诊断的时频分析方法[J];化工机械;2003年03期

4 高晶波,王日新,徐敏强,马淑芝;2D12型往复式压缩机气阀故障的声谱诊断方法[J];化工机械;2003年04期

5 林京,刘红星,屈梁生;功率谱谱距及其模糊测度在气阀故障诊断中的应用[J];化工机械;1997年03期

6 张文鸽,吴泽宁,逯洪波;BP神经网络的改进及其应用[J];河南科学;2003年02期

7 杜海峰,王孙安;基于ART—人工免疫网络的多级压缩机故障诊断[J];机械工程学报;2002年04期

8 金涛,童水光,汪希萱,徐跃坤;往复式活塞压缩机故障监测与诊断技术[J];流体机械;1999年11期

9 尚志信;周宇;叶庆卫;王晓东;;基于粗糙集和BP神经网络算法的网络故障诊断模型研究[J];宁波大学学报(理工版);2013年02期

10 谢永成;董今朝;李光升;魏宁;;RBF神经网络在整流器故障诊断中的应用[J];计算机测量与控制;2013年12期

本文编号：531319