小波模糊神经网络在轴承故障诊断中的研究与应用

发布时间：2022-02-15 16:04

　　汽轮发电机组的振动过大将直接威胁着机组的安全运行,长时间的振动还会造成地基及周围建筑物的损坏;振动所产生的噪声对操作人员的生理及精神状况也十分有害。而轴承的故障则会加速汽轮发电机组的振动,因此对气轮发电机组的轴承进行故障诊断是必要的。小波变换具有多分辨率特性和时频局部化特性,特别适合于对非平稳信号的分析;而模糊LMBP神经网络不仅具有神经网络极强的非线性映射能力,还具有模糊逻辑刻画分类边界模糊性的优势。本论文首先使用小波分析对故障信号进行特征提取,然后把提取的特征向量作为模糊神经网络的输入——形成所谓的小波模糊神经网络进行故障诊断。本论文利用MATLAB进行仿真,借助由模拟汽轮机振动的振动试验台上所得的轴承故障数据,使用提出的小波模糊神经网络进行诊断,从而证明了该故障诊断系统可以极大地提高诊断系统的适应能力。本研究主要分成以下两个部分:1.轴承故障信号的特征提取采用小波分析对故障信号进行特征提取。主要利用小波变换的多分辨率特性和时频局部化特性,对原始故障信号进行小波分解,选取分解后每层最能代表原始故障信号细貌的高频系数的第一个数组成特征向量,作为神经网络的输入。2.轴承故障信号的模式识... 

【文章来源】：西华大学四川省

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1. 前言
    1.1 轴承故障诊断的研究背景和必要性
    1.2 基于小波分析的轴承故障诊断研究现状
    1.3 基于神经网络的智能故障诊断的研究现状
    1.4 基于模糊神经网络的故障诊断的研究现状
    1.5 本文所做的主要工作
2. 小波分析在轴承故障诊断中的应用
    2.1 从傅立叶变换到小波变换
    2.2 连续小波变换
    2.3 离散小波变换
    2.4 多分辨率分析
    2.5 马拉(Mallat)算法
    2.6 故障特征提取方法
    2.7 仿真实例
    2.8 本章小结
3. 人工神经网络在轴承故障诊断中的应用
    3.1 人工神经网络的特点及故障诊断能力
    3.2 人工神经元的基本模型
    3.3 人工神经网络的结构
    3.4 BP算法的不足及其改进
    3.5 基于人工神经网络的故障诊断
    3.6 本章小结
4. 小波神经网络在轴承故障诊断中的应用
    4.1 小波神经网络的特点和发展
    4.2 小波分析和神经网络的结合点
    4.3 基于小波神经网络的故障诊断方法
5. 模糊神经网络在轴承故障诊断中的应用
    5.1 模糊集理论
    5.2 棋糊推理与神经网络系统的关系
    5.3 模糊神经网络的发展
    5.4 模糊系统和神经网络的结合
    5.5 串联型模糊神经网络
    5.6 基于小波模糊神经网络的故障诊断
6. 结论与展望
    6.1 本文内容
    6.2 后继工作及展望
7. 参考文献
8. 作者在校期间科研成果简介
10. 致谢


【参考文献】：
期刊论文
[1]基于模糊神经网络的凝汽器故障诊断及其性能监测[J]. 滕丕忠,张聘,陈荣生,陈群,石永恒,禹宝宁,杨亚平.  电力自动化设备. 2007(01)
[2]基于Elman神经网络的汽油机过渡工况空燃比多步预测模型[J]. 侯志祥,申群太,吴义虎,周育才.  中南大学学报(自然科学版). 2006(05)
[3]机组振动的危害、振动的标准及原因分析[J]. 张利平.  内蒙古科技与经济. 2006(15)
[4]基于小波神经网络的电机声频故障诊断系统[J]. 谷爱昱,莫慧芳,张敬春.  自动化与仪表. 2006(03)
[5]基于小波—神经网络模拟电路故障诊断方法的研究[J]. 谢宏,何怡刚,吴杰.  仪器仪表学报. 2004(05)
[6]基于级联神经网络的短期负荷预测方法[J]. 金海峰,熊信艮,吴耀武.  电网技术. 2002(03)
[7]基于切削力信号时域频域特征融合的刀具磨损监测[J]. 郑建明,李言,李鹏阳,洪伟,肖继明,袁启龙.  机械与电子. 2001(03)
[8]机械监测诊断中的小波应用技术[J]. 何正嘉.  设备管理&维修. 1998(08)
[9]故障振动信号的小波包分解与诊断[J]. 胡子谷,宓为建,石来德.  振动与冲击. 1998(02)
[10]模糊神经网络理论研究综述[J]. 刘普寅,张汉江,吴孟达,成礼智,汪浩.  模糊系统与数学. 1998(01)

硕士论文
[1]嵌入式轴承故障诊断算法的研究[D]. 唐秋杭.浙江大学 2006
[2]小波神经网络及其应用[D]. 郑小洋.重庆大学 2003



本文编号：3626921