基于选择性神经网络的故障诊断研究

发布时间：2017-09-22 03:21

  本文关键词：基于选择性神经网络的故障诊断研究

  更多相关文章： 故障诊断 改进二进制粒子群算法 选择性神经网络 核主元分析

【摘要】：现代工业生产系统日益大型化、复杂化、自动化，一旦出现事故，将带来巨大的经济损失和人员伤亡，如何提高故障诊断技术保证生产系统正常运行已经成为急需解决的问题。 本文首先提出了基于选择性神经网络的故障诊断方法总体框架。分析了选择性神经网络应用于故障诊断的原因及流程，，并指出该诊断系统的两个关键技术，一是如何构建选择性神经网络集成，二是如何对故障数据进行属性约简。 针对选择性神经网络构建问题，本文提出一种改进的二进制粒子群方法，用该算法进行神经网络的个体选择，得到选择性神经网络模型。在标准数据集上与二进制粒子群算法、K-均值聚类算法和蚁群算法三种个体选择方法的分类结果进行对比，结果表明，本文所提出的算法模型的泛化性能得到提高。 针对现代工业生产故障特征多的问题，引入核主元分析方法，并将上述两种方法结合，建立了核主元分析和选择性神经网络的故障诊断模型。通过田纳西-伊斯曼过程的仿真试验和炼钢厂送风系统的实际案例进行了验证，结果表明，本文故障诊断模型正确率高，诊断需要的时间短，诊断效果要优于其他神经网络方法。最后，开发了基于选择性神经网络的故障诊断原型系统。
【关键词】：故障诊断 改进二进制粒子群算法 选择性神经网络 核主元分析
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP183;TH165.3
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 1 绪论8-17
• 1.1 课题来源8
• 1.2 研究背景和意义8-9
• 1.3 故障诊断技术概述9-13
• 1.4 神经网络和主元分析方法在故障诊断中的应用概述13-15
• 1.5 论文研究内容和组织结构15-17
• 2 基于选择性神经网络集成的故障诊断方法的总体框架17-24
• 2.1 故障诊断问题描述17-18
• 2.2 基于选择性神经网络的故障诊断总体流程18-20
• 2.3 故障诊断的测试实例：田纳西-伊斯曼过程20-22
• 2.4 本章小结22-24
• 3 基于粒子群算法的选择性神经网络（IBPSOSEN）建模24-37
• 3.1 选择性神经网络模型概述24-27
• 3.2 改进二进制粒子群算法（IBPSO）27-31
• 3.3 基于 IBPSO 的选择性神经网络建模算法31-34
• 3.4 实验验证及结果分析34-36
• 3.5 本章小结36-37
• 4 基于 KPCA-IBPSOSEN 的故障诊断方法及原型系统37-52
• 4.1 KPCA 原理37-39
• 4.2 基于 KPCA-IBPSOSEN 的故障诊断算法39
• 4.3 基于 KPCA-IBPSOSEN 的 TE 问题测试分析39-44
• 4.4 基于 KPCA-IBPSOSEN 的齿轮箱故障诊断44-47
• 4.5 故障诊断原型系统实现47-51
• 4.6 本章小结51-52
• 5 总结与展望52-54
• 5.1 全文总结52-53
• 5.2 研究展望53-54
• 致谢54-56
• 参考文献56-61
• 附录：硕士期间发表的学术论文61

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

本文编号：898499