基于小波包与径向基网络的诊断技术研究
发布时间：2021-03-23 03:54
在智能故障诊断技术的研究中，小波分析和神经网络技术都是热点研究内容。本论文主要进行了基于小波分析的信号处理和基于神经网络的智能故障诊断两方面的理论上的研究工作。主要研究内容总结如下： 1、RBF网络训练的关键在于隐含层参数的确定。RBF网络目前已有的几种训练方法对于含有随机噪声的复杂样本训练速度过慢且分类性能不稳定。针对这些缺点，本文依据相对熵最小原理，提出了一种改进的RBF网络训练方法——输出-输入聚类法。利用此方法对旋转机械故障样本进行训练，并与其它方法进行了比较，结果显示此训练方法用时短，网络结构简单，受噪声影响小。将所创建网络应用于故障诊断，实例表明此方法训练的网络诊断结果非常准确，在故障诊断中具有良好的应用前景。 2、本文还研究了小波（包）母函数及基的选择问题。小波及小波包变换在故障诊断领域中有着广泛的应用，它帮助我们获得大量故障信号的特征信息。但是，面对大量的小波母函数以及变换后的很多小波包基，我们需要选择合适的小波母函数及其基，因为并非任意的小波母函数及任意的小波包基都是合适的。本文结合信息熵的理论，在故障诊断领域中，提出了利用RBF网络进行小包基选择的方法，...
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 旋转机械故障诊断的意义
1.2 设备故障诊断技术发展状况
1.3 设备故障诊断技术的主要研究内容
1.3.1 故障诊断过程简介
1.3.2 故障诊断技术的主要研究内容
1.4 课题的提出及本文主要工作
1.4.1 课题的提出
1.4.2 本文主要工作
第2章 故障信号的基本分析方法
2.1 概述
2.1.1 信号的分类
2.1.2 信号描述方法分类
2.2 信号的时域分析
2.2.1 概率分析法
2.2.2 动态指标
2.2.3 相关分析
2.3 信号的频域分析
2.3.1 频谱的形式
2.3.2 频谱的计算方法
2.4 本章小结
第3章 小波及小波包分析
3.1 从傅立叶变换到小波变换
3.1.1 傅立叶变换
3.1.2 短时傅立叶变换
3.1.3 小波变换
3.2 连续小波变换及其离散化
3.3 多分辨分析
3.4 小波包变换
3.5 故障诊断中小波母函数及小波基的选择
3.5.1 小波母函数及相应基选择的必要性
3.5.2 常见的小波母函数及其性质
3.5.3 故障特征提取中小波（包）基的选择
3.6 小波母函数及其基的选择应用实例
3.7 本章小结
第4章 径向基神经网络及其训练方法
4.1 引言
4.1.1 神经网络简介
4.1.2 神经网络的故障诊断能力
4.1.3 神经网络的分类
4.2 RBF网络结构与工作原理
4.3 RBF网络的学习算法
4.3.1 聚类方法
4.3.2 正交最小二乘（OLS）学习算法
4.3.3 输出-输入聚类法
4.4 算法实例
4.4.1 标准样本的建立
4.4.2 网络的训练
4.4.3 主要结论
4.5 本章小结
第5章 旋转机械的故障机理及诊断
5.1 旋转机械常见异常振动概述
5.2 振动信号的频域特征提取
5.2.1 轴的不平衡
5.2.2 轴不对中故障
5.2.3 油膜涡动故障
5.3 故障信号的小波特征提取
5.3.1 基于能量分布的小波特征提取原理
5.3.2 实例分析
5.4 本章小结
第6章 基于小波分析和神经网络的故障诊断
6.1 引言
6.2 小波包分析和神经网络的结合
6.2.1 RBF网络特征选择的原理
6.2.2 特征选择步骤
6.3 故障诊断实例
6.4 本章小结
第7章 总结与展望
7.1 本文内容总结
7.2 进一步的工作展望
参考文献
攻读硕士学位期间发表的学术论文和参与的科研项目
致谢
【参考文献】：
期刊论文
[1]改进的RBF网络训练方法在故障诊断中的应用[J]. 孟雅俊,黄士涛,姬中华. 郑州大学学报(工学版). 2005(04)
[2]小波基函数在故障诊断中的最佳选择[J]. 陈泽鑫. 机械科学与技术. 2005(02)
[3]串行A/D转换器MAX187与单片机的接口及应用[J]. 卢伟,熊茂华. 计算机与现代化. 2005(02)
[4]齿式联轴器联接不对中振动机理及特征分析[J]. 孙超,韩捷,关惠玲,郝伟. 振动、测试与诊断. 2004(03)
[5]基于RBF网络的旋转机械故障诊断方法[J]. 王志鹏,马孝江. 大连理工大学学报. 2001(06)
[6]频谱校正时谱线干涉的影响及判定方法[J]. 谢明,丁康,莫克斌. 振动工程学报. 1998(01)
[7]基于小波变换的频谱细化分析方法[J]. 马建仓,吴启彬,薛建武,罗磊. 信号处理. 1997(03)
[8]人工神经网络与机械工程中的智能化问题[J]. 屈梁生. 中国机械工程. 1997(02)
[9]窗谱校正方法的实用峰值搜寻算法研究[J]. 余佳兵,史铁林,陈培林,杨叔子. 振动工程学报. 1996(04)
[10]FFT谱连续细化分析的富里叶变换法[J]. 刘进明,应怀樵. 振动工程学报. 1995(02)
本文编号：3095082
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 旋转机械故障诊断的意义
1.2 设备故障诊断技术发展状况
1.3 设备故障诊断技术的主要研究内容
1.3.1 故障诊断过程简介
1.3.2 故障诊断技术的主要研究内容
1.4 课题的提出及本文主要工作
1.4.1 课题的提出
1.4.2 本文主要工作
第2章 故障信号的基本分析方法
2.1 概述
2.1.1 信号的分类
2.1.2 信号描述方法分类
2.2 信号的时域分析
2.2.1 概率分析法
2.2.2 动态指标
2.2.3 相关分析
2.3 信号的频域分析
2.3.1 频谱的形式
2.3.2 频谱的计算方法
2.4 本章小结
第3章 小波及小波包分析
3.1 从傅立叶变换到小波变换
3.1.1 傅立叶变换
3.1.2 短时傅立叶变换
3.1.3 小波变换
3.2 连续小波变换及其离散化
3.3 多分辨分析
3.4 小波包变换
3.5 故障诊断中小波母函数及小波基的选择
3.5.1 小波母函数及相应基选择的必要性
3.5.2 常见的小波母函数及其性质
3.5.3 故障特征提取中小波（包）基的选择
3.6 小波母函数及其基的选择应用实例
3.7 本章小结
第4章 径向基神经网络及其训练方法
4.1 引言
4.1.1 神经网络简介
4.1.2 神经网络的故障诊断能力
4.1.3 神经网络的分类
4.2 RBF网络结构与工作原理
4.3 RBF网络的学习算法
4.3.1 聚类方法
4.3.2 正交最小二乘（OLS）学习算法
4.3.3 输出-输入聚类法
4.4 算法实例
4.4.1 标准样本的建立
4.4.2 网络的训练
4.4.3 主要结论
4.5 本章小结
第5章 旋转机械的故障机理及诊断
5.1 旋转机械常见异常振动概述
5.2 振动信号的频域特征提取
5.2.1 轴的不平衡
5.2.2 轴不对中故障
5.2.3 油膜涡动故障
5.3 故障信号的小波特征提取
5.3.1 基于能量分布的小波特征提取原理
5.3.2 实例分析
5.4 本章小结
第6章 基于小波分析和神经网络的故障诊断
6.1 引言
6.2 小波包分析和神经网络的结合
6.2.1 RBF网络特征选择的原理
6.2.2 特征选择步骤
6.3 故障诊断实例
6.4 本章小结
第7章 总结与展望
7.1 本文内容总结
7.2 进一步的工作展望
参考文献
攻读硕士学位期间发表的学术论文和参与的科研项目
致谢
【参考文献】：
期刊论文
[1]改进的RBF网络训练方法在故障诊断中的应用[J]. 孟雅俊,黄士涛,姬中华. 郑州大学学报(工学版). 2005(04)
[2]小波基函数在故障诊断中的最佳选择[J]. 陈泽鑫. 机械科学与技术. 2005(02)
[3]串行A/D转换器MAX187与单片机的接口及应用[J]. 卢伟,熊茂华. 计算机与现代化. 2005(02)
[4]齿式联轴器联接不对中振动机理及特征分析[J]. 孙超,韩捷,关惠玲,郝伟. 振动、测试与诊断. 2004(03)
[5]基于RBF网络的旋转机械故障诊断方法[J]. 王志鹏,马孝江. 大连理工大学学报. 2001(06)
[6]频谱校正时谱线干涉的影响及判定方法[J]. 谢明,丁康,莫克斌. 振动工程学报. 1998(01)
[7]基于小波变换的频谱细化分析方法[J]. 马建仓,吴启彬,薛建武,罗磊. 信号处理. 1997(03)
[8]人工神经网络与机械工程中的智能化问题[J]. 屈梁生. 中国机械工程. 1997(02)
[9]窗谱校正方法的实用峰值搜寻算法研究[J]. 余佳兵,史铁林,陈培林,杨叔子. 振动工程学报. 1996(04)
[10]FFT谱连续细化分析的富里叶变换法[J]. 刘进明,应怀樵. 振动工程学报. 1995(02)
本文编号：3095082
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3095082.html
