混合智能技术及其在故障诊断中的应用研究

发布时间：2021-09-19 00:42

　　大型复杂机械设备的故障往往表现为复杂性、不确定性、多故障并发性等,运用单一的智能故障诊断技术,存在精度不高、泛化能力弱等问题,难以获得满意的诊断效果,故急需一种新的思路和方法来解决这些工程实际问题。利用人工神经网络、模糊逻辑、遗传算法等单一智能技术之间的差异性和互补性,扬长避短,优势互补,并结合不同的现代信号处理技术和特征提取方法,将它们以某种方式综合、集成或融合,提出混合智能诊断技术,能够有效地提高诊断系统的敏感性、鲁棒性、精确性,降低它的不确定性,准确定位故障发生的位置,估计其严重程度。因此,研究混合智能技术及其在故障诊断中的应用,具有重要的科学理论意义和工程应用价值。论文正是围绕这一艰难而又诱人的主题,以机械设备的早期、微弱和复合故障的诊断为目的,对混合智能故障诊断技术的基本原理和工程应用进行了深入的研究。论文介绍了模糊逻辑、神经网络、聚类算法和遗传算法等技术的基本概念和原理,针对每种技术各举一例,说明其使用方法和有效性。描述了两种适合于处理非平稳、非线性信号的现代信号处理技术:小波包分析和经验模式分解。小波包分析是小波变换的延伸,以不同的尺度将动态信号正交地分解到相互独立的频带... 

【文章来源】：西安交通大学陕西省 211工程院校 985工程院校 教育部直属院校

【文章页数】：182 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 设备状态监测和故障诊断的意义
    1.2 设备智能诊断的研究现状
        1.2.1 故障诊断技术的研究内容和发展概述
        1.2.2 智能故障诊断技术的研究现状
        1.2.3 智能故障诊断技术存在的问题
    1.3 设备混合智能诊断技术的提出和研究进展
        1.3.1 混合智能技术的发展概况
        1.3.2 混合智能诊断技术的提出及其研究进展
        1.3.3 研究现状总结分析
    1.4 课题的研究意义和来源
        1.4.1 课题的研究意义
        1.4.2 课题的来源
    1.5 论文的主要内容和章节安排
2 本文研究的技术背景
    2.1 引言
    2.2 模糊集理论
        2.2.1 模糊集概念
        2.2.2 隶属度函数
        2.2.3 应用举例
    2.3 人工神经网络
        2.3.1 神经元模型
        2.3.2 BP 神经网络
        2.3.3 模糊神经网络
        2.3.4 应用举例
    2.4 聚类算法
        2.4.1 聚类算法概述
        2.4.2 模糊C 均值聚类
        2.4.3 聚类评价指标
        2.4.4 应用举例
    2.5 遗传算法
        2.5.1 遗传算法基本原理
        2.5.2 遗传算法特点
        2.5.3 应用举例
    2.6 现代信号处理技术
        2.6.1 小波变换及小波包分析
        2.6.2 经验模式分解
    2.7 本章小结
3 基于特征评估和神经网络的智能故障诊断模型
    3.1 引言
    3.2 特征参数的定义与提取
        3.2.1 特征参数的定义
        3.2.2 特征提取
    3.3 基于距离的特征评估技术
        3.3.1 特征选择技术概述
        3.3.2 基于距离的特征评估及选择技术
    3.4 基于特征评估和神经网络的智能故障诊断模型
        3.4.1 径向基函数神经网络
        3.4.2 诊断模型
    3.5 实验及应用研究
        3.5.1 实验台滚动轴承单一损伤故障诊断
        3.5.2 烟气轮机轻微摩擦故障诊断
        3.5.3 电力机车滚动轴承早期故障和复合故障诊断
    3.6 本章小结
4 基于组合模糊神经网络的混合智能诊断模型
    4.1 引言
    4.2 多分类器组合
        4.2.1 基本思想
        4.2.2 实现的框架
    4.3 特征提取与选择
        4.3.1 时域和频域特征提取
        4.3.2 特征选择
    4.4 混合智能诊断模型
        4.4.1 ANFIS 概述
        4.4.2 利用GA 组合ANFIS 的混合智能诊断模型
    4.5 实验及应用研究
        4.5.1 实验台滚动球轴承早期故障诊断
        4.5.2 电力机车滚动轴承早期故障和复合故障诊断
    4.6 本章小结
5 基于混合智能聚类算法的故障诊断方法研究
    5.1 引言
    5.2 聚类特征权值的学习和样本权值的计算
        5.2.1 基于3 层前馈神经网络的特征权值的学习
        5.2.2 聚类样本权值的计算
    5.3 聚类评价指标的选择
    5.4 混合智能聚类算法
    5.5 实验及应用研究
        5.5.1 标准聚类问题验证
        5.5.2 电力机车滚动轴承轻微故障诊断
        5.5.3 电力机车滚动轴承早期故障和复合故障诊断
    5.6 本章小结
6 混合智能技术在远程诊断系统中的应用
    6.1 引言
    6.2 潜艇模型振动监测与分析系统
        6.2.1 系统总体结构
        6.2.2 系统主要功能
        6.2.3 混合智能技术在该系统中的应用研究
    6.3 皮带输送机轴承状态检测与故障诊断系统
        6.3.1 系统总体框架
        6.3.2 系统分析功能
        6.3.3 混合智能技术在该系统中的应用研究
    6.4 本章小结
7 结论与展望
    7.1 论文结论
    7.2 研究展望
致谢
参考文献
攻读博士学位期间所发表论文及科研成果


【参考文献】：
期刊论文
[1]潜艇主要噪声源识别方法研究[J]. 章林柯,何琳,朱石坚.  噪声与振动控制. 2006(04)
[2]一种新的分类方法——属性均值聚类属性支持向量机（AMC-ASVM）[J]. 孙喜晨,贺仁亚,封举富.  北京大学学报(自然科学版)网络版(预印本). 2006(02)
[3]基于特征评估和神经网络的机械故障诊断模型[J]. 雷亚国,何正嘉,訾艳阳,胡桥.  西安交通大学学报. 2006(05)
[4]基于主成分分析和集成神经网络的发动机故障诊断模型研究[J]. 李增芳,何勇,宋海燕.  农业工程学报. 2006(04)
[5]基于模糊神经网络的薄板不同指标裂纹诊断[J]. 张敬芬,孟光,赵德有.  机械工程学报. 2006(03)
[6]柴油机燃烧系统故障的小波包神经网络模糊诊断法[J]. 段礼祥,张来斌,王朝晖.  机械强度. 2006(01)
[7]一种基于油中溶解气体分析的变压器绝缘故障诊断新方法[J]. 董立新,肖登明,吕干云,刘奕路.  上海交通大学学报. 2005(S1)
[8]谐小波模糊神经网络应用于旋转机械的故障诊断[J]. 彭斌,刘振全.  动力工程. 2005(05)
[9]一种新的机电设备状态趋势智能混合预测模型[J]. 胡桥,何正嘉,訾艳阳,雷亚国,刘京科.  机械强度. 2005(04)
[10]基于小波神经网络的电力电子电路故障模式识别[J]. 李微,谭阳红,彭永进.  继电器. 2005(14)

博士论文
[1]基于支持向量机的故障智能诊断理论与方法研究[D]. 何学文.中南大学 2004
[2]分布式智能化状态监测与故障诊断系统的设计与研究[D]. 许雪琦.天津大学 2004
[3]基于模式识别的柴油机故障诊断技术研究[D]. 王志华.武汉理工大学 2004
[4]基于小波和神经网络的大规模模拟电路故障诊断研究[D]. 谭阳红.湖南大学 2005
[5]非平稳信号故障特征提取与智能诊断方法的研究及应用[D]. 王奉涛.大连理工大学 2003
[6]复杂过程的智能故障诊断技术及其在大型工业窑炉中的应用研究[D]. 刘晓颖.中南大学 2003
[7]计算智能在机械设备故障诊断中的应用研究[D]. 冯志鹏.大连理工大学 2003
[8]非平稳非高斯信号特征提取与故障诊断技术研究[D]. 郑海波.合肥工业大学 2002
[9]基于神经网络与模糊技术的内燃机热工故障在线诊断的研究[D]. 薛胜军.武汉理工大学 2001
[10]转子碰摩非线性行为与故障辨识的研究[D]. 胡茑庆.国防科学技术大学 2001



本文编号：3400658