基于遗传神经网络的烧结抽烟机在线监测智能诊断系统的研制
发布时间：2021-03-23 04:33
随着科学技术的迅猛发展,现代工业生产的机械设备正朝着大型化、复杂化、高速化、自动化及大功率方向发展。然而伴随生产效率提高的同时,设备维修费用和难度亦增加,传统的“事后维修”、“定期维修”已经不能满足企业的需求。机械设备特别是工厂的关键设备的故障诊断技术越来越受到重视。无论是从企业的安全生产或是维修成本考虑,以设备状态监测的为基础“预防性维修”越来越受到企业的欢迎,特别是随着人工智能、模式识别等理论迅速发展,智能化诊断技术已成为故障诊断领域一个新的研究方向。本文对国内外智能诊断技术进行研究,特别是最近比较流行的基于BP神经网络的故障诊断技术的深入研究。详细介绍了神经网络理论的发展、模型、算法以及遗传算法理论。针对BP网络的局限性和弱点:如样本顺序对建模成果有一定影响、训练速度比较慢、训练抖动问题、容易收敛于局部极小点以及算法不收敛等,提出利用遗传算法全局搜索特性来训练BP网络的权值和阈值,将遗传算法和BP算法有机结合,使每一种诊断方法都在其优势空间发挥作用。本文用MATLAB对故障样本进行仿真论证了算法的可行性。最后针对炼铁厂烧结抽烟机,研制了一套基于遗传BP网络的烧结抽烟机在线监测与故...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
SJ12000型烧结抽烟机设备结构图
输出层-隐层权值 9*13 矩阵：net.lw{2}’= -1.26030.04067.7532-7.6921-0.12940.0376-0.96280.2208-1.0274;1.6872-0.3266-3.68830.25020.6197-4.04014.2175-2.2421-0.416;-1.0353-5.84783.57562.14162.4401-0.10031.35-2.5405-2.4974;-0.78540.83812.4501-0.0071.02852.5093.57140.44841.1395;-1.13546.36695.028-0.09222.2454-0.7019-1.8729-0.8644-4.8116;1.9751-2.2383.8432-0.888-2.152-2.57974.05281.3711-2.6308;-5.20862.11860.18262.5712-4.13350.28493.1287-0.88251.5078;-4.4330.86061.3328-0.11211.1766-3.72111.58161.57642.115;1.9729-0.6501-0.97810.31250.787-0.58042.6975-5.11751.6563;-0.3395-0.7523-1.4161-0.9506-0.5081-1.7364-0.6675-2.0077-2.122;-0.02772.6860.4377-1.5467-1.45383.24.82210.1856-3.9653;-0.3866-0.3414-3.7243-1.7067-0.398-0.4042-3.0659-0.3767-2.3522;1.96462.60312.74791.04931.75221.07660.82771.87683.8384;输出层阈值：net.b{2}=[-4.3434;-3.6096;-3.9475;-1.3117;-0.3618;0.2225;-3.433;0.9739;0.2491]
输出层-隐层权值 9*13 矩阵：net.lw{2}’= -1.26030.04067.7532-7.6921-0.12940.0376-0.96280.2208-1.0274;1.6872-0.3266-3.68830.25020.6197-4.04014.2175-2.2421-0.416;-1.0353-5.84783.57562.14162.4401-0.10031.35-2.5405-2.4974;-0.78540.83812.4501-0.0071.02852.5093.57140.44841.1395;-1.13546.36695.028-0.09222.2454-0.7019-1.8729-0.8644-4.8116;1.9751-2.2383.8432-0.888-2.152-2.57974.05281.3711-2.6308;-5.20862.11860.18262.5712-4.13350.28493.1287-0.88251.5078;-4.4330.86061.3328-0.11211.1766-3.72111.58161.57642.115;1.9729-0.6501-0.97810.31250.787-0.58042.6975-5.11751.6563;-0.3395-0.7523-1.4161-0.9506-0.5081-1.7364-0.6675-2.0077-2.122;-0.02772.6860.4377-1.5467-1.45383.24.82210.1856-3.9653;-0.3866-0.3414-3.7243-1.7067-0.398-0.4042-3.0659-0.3767-2.3522;1.96462.60312.74791.04931.75221.07660.82771.87683.8384;输出层阈值：net.b{2}=[-4.3434;-3.6096;-3.9475;-1.3117;-0.3618;0.2225;-3.433;0.9739;0.2491]
【参考文献】：
期刊论文
[1]基于遗传算法的旋转机械故障诊断方法融合[J]. 刘占生,窦唯,王东华,王晓伟. 机械工程学报. 2007(10)
[2]基于遗传优化BP网络的汽轮发电机故障诊断[J]. 魏本征,田质广. 控制工程. 2007(S1)
[3]基于遗传优化BP网络的振动故障诊断[J]. 欧健,孙才新,胡雪松,廖瑞金,王柯柯. 高电压技术. 2006(07)
[4]水电机组远程状态监测、跟踪分析与故障诊断系统[J]. 何永勇,任继顺,陈伟,褚福磊. 清华大学学报(自然科学版). 2006(05)
[5]遗传算法在故障诊断中的应用研究综述[J]. 骆志高,田海泉,仇学青. 煤矿机械. 2006(01)
[6]一种新的遗传算法及其在变压器故障诊断中的应用[J]. 邓宏贵,曹建,罗安. 中南大学学报(自然科学版). 2005(03)
[7]基因多点交叉遗传算法在变压器故障诊断中的应用[J]. 邓宏贵,罗安,曹建,丁家峰,王会海. 电网技术. 2004(24)
[8]旋转机械振动故障诊断理论与技术进展综述[J]. 冯志鹏,宋希庚,薛冬新,谢宇,邓东风. 振动与冲击. 2001(04)
[9]遗传算法在故障特征选择中的应用研究[J]. 史东锋,屈梁生. 振动.测试与诊断. 2000(03)
[10]智能故障诊断技术的发展和展望[J]. 吴今培. 振动.测试与诊断. 1999(02)
博士论文
[1]汽轮发电机组振动故障集成诊断网络模型及方法研究[D]. 欧健.重庆大学 2004
硕士论文
[1]基于遗传算法和BP神经网络的可展开天线的控制[D]. 刘武军.西安电子科技大学 2007
[2]大型旋转机械振动监测与故障诊断知识体系的研究与实现[D]. 孙楠楠.重庆大学 2006
[3]组态式在线振动监测与诊断系统的研制[D]. 胥文刚.重庆大学 2004
[4]煤气鼓风机在线监测诊断系统的研制[D]. 邓清锐.重庆大学 2004
[5]基于模糊推理和BP神经网络的机械故障智能诊断系统的研发[D]. 廖志辉.重庆大学 2004
[6]卷烟包装生产线风送除尘风机状态监测与故障诊断系统[D]. 覃志宏.重庆大学 2003
本文编号：3095143
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
SJ12000型烧结抽烟机设备结构图
输出层-隐层权值 9*13 矩阵：net.lw{2}’= -1.26030.04067.7532-7.6921-0.12940.0376-0.96280.2208-1.0274;1.6872-0.3266-3.68830.25020.6197-4.04014.2175-2.2421-0.416;-1.0353-5.84783.57562.14162.4401-0.10031.35-2.5405-2.4974;-0.78540.83812.4501-0.0071.02852.5093.57140.44841.1395;-1.13546.36695.028-0.09222.2454-0.7019-1.8729-0.8644-4.8116;1.9751-2.2383.8432-0.888-2.152-2.57974.05281.3711-2.6308;-5.20862.11860.18262.5712-4.13350.28493.1287-0.88251.5078;-4.4330.86061.3328-0.11211.1766-3.72111.58161.57642.115;1.9729-0.6501-0.97810.31250.787-0.58042.6975-5.11751.6563;-0.3395-0.7523-1.4161-0.9506-0.5081-1.7364-0.6675-2.0077-2.122;-0.02772.6860.4377-1.5467-1.45383.24.82210.1856-3.9653;-0.3866-0.3414-3.7243-1.7067-0.398-0.4042-3.0659-0.3767-2.3522;1.96462.60312.74791.04931.75221.07660.82771.87683.8384;输出层阈值：net.b{2}=[-4.3434;-3.6096;-3.9475;-1.3117;-0.3618;0.2225;-3.433;0.9739;0.2491]
输出层-隐层权值 9*13 矩阵：net.lw{2}’= -1.26030.04067.7532-7.6921-0.12940.0376-0.96280.2208-1.0274;1.6872-0.3266-3.68830.25020.6197-4.04014.2175-2.2421-0.416;-1.0353-5.84783.57562.14162.4401-0.10031.35-2.5405-2.4974;-0.78540.83812.4501-0.0071.02852.5093.57140.44841.1395;-1.13546.36695.028-0.09222.2454-0.7019-1.8729-0.8644-4.8116;1.9751-2.2383.8432-0.888-2.152-2.57974.05281.3711-2.6308;-5.20862.11860.18262.5712-4.13350.28493.1287-0.88251.5078;-4.4330.86061.3328-0.11211.1766-3.72111.58161.57642.115;1.9729-0.6501-0.97810.31250.787-0.58042.6975-5.11751.6563;-0.3395-0.7523-1.4161-0.9506-0.5081-1.7364-0.6675-2.0077-2.122;-0.02772.6860.4377-1.5467-1.45383.24.82210.1856-3.9653;-0.3866-0.3414-3.7243-1.7067-0.398-0.4042-3.0659-0.3767-2.3522;1.96462.60312.74791.04931.75221.07660.82771.87683.8384;输出层阈值：net.b{2}=[-4.3434;-3.6096;-3.9475;-1.3117;-0.3618;0.2225;-3.433;0.9739;0.2491]
【参考文献】：
期刊论文
[1]基于遗传算法的旋转机械故障诊断方法融合[J]. 刘占生,窦唯,王东华,王晓伟. 机械工程学报. 2007(10)
[2]基于遗传优化BP网络的汽轮发电机故障诊断[J]. 魏本征,田质广. 控制工程. 2007(S1)
[3]基于遗传优化BP网络的振动故障诊断[J]. 欧健,孙才新,胡雪松,廖瑞金,王柯柯. 高电压技术. 2006(07)
[4]水电机组远程状态监测、跟踪分析与故障诊断系统[J]. 何永勇,任继顺,陈伟,褚福磊. 清华大学学报(自然科学版). 2006(05)
[5]遗传算法在故障诊断中的应用研究综述[J]. 骆志高,田海泉,仇学青. 煤矿机械. 2006(01)
[6]一种新的遗传算法及其在变压器故障诊断中的应用[J]. 邓宏贵,曹建,罗安. 中南大学学报(自然科学版). 2005(03)
[7]基因多点交叉遗传算法在变压器故障诊断中的应用[J]. 邓宏贵,罗安,曹建,丁家峰,王会海. 电网技术. 2004(24)
[8]旋转机械振动故障诊断理论与技术进展综述[J]. 冯志鹏,宋希庚,薛冬新,谢宇,邓东风. 振动与冲击. 2001(04)
[9]遗传算法在故障特征选择中的应用研究[J]. 史东锋,屈梁生. 振动.测试与诊断. 2000(03)
[10]智能故障诊断技术的发展和展望[J]. 吴今培. 振动.测试与诊断. 1999(02)
博士论文
[1]汽轮发电机组振动故障集成诊断网络模型及方法研究[D]. 欧健.重庆大学 2004
硕士论文
[1]基于遗传算法和BP神经网络的可展开天线的控制[D]. 刘武军.西安电子科技大学 2007
[2]大型旋转机械振动监测与故障诊断知识体系的研究与实现[D]. 孙楠楠.重庆大学 2006
[3]组态式在线振动监测与诊断系统的研制[D]. 胥文刚.重庆大学 2004
[4]煤气鼓风机在线监测诊断系统的研制[D]. 邓清锐.重庆大学 2004
[5]基于模糊推理和BP神经网络的机械故障智能诊断系统的研发[D]. 廖志辉.重庆大学 2004
[6]卷烟包装生产线风送除尘风机状态监测与故障诊断系统[D]. 覃志宏.重庆大学 2003
本文编号：3095143
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3095143.html
