基于粒子群算法的神经网络故障诊断方法研究

发布时间：2017-06-07 20:06

  本文关键词：基于粒子群算法的神经网络故障诊断方法研究，，由笔耕文化传播整理发布。

【摘要】：变速器的故障诊断本质上是故障模式识别过程,其复杂的结构、变化频繁的运行工况加上较大的背景噪声,挑战着现有的智能故障诊断技术。粒子群优化算法作为一种群体智能优化算法,在许多优化领域得到广泛应用。考虑到粒子群算法容易陷入局部极值,采用重组粒子群算法来避免粒子群算法出现的早熟问题,提高算法的精度。BP神经网络作为在智能故障诊断技术中常用的方法也存在局部极值问题,使得诊断精度和稳定性差。本文改进重组粒子群算法的粒子初始化方式,提出基于重组粒子群算法优化的神经网络故障诊断方法,自动确定神经网络参数。通过轴承故障的分类诊断验证该方法的有效性,并在训练效率和故障识别正确率上优于标准BP神经网络、遗传神经网络和基本粒子群神经网络。在此基础上,提出重组粒子群变结构神经网络,实现神经网络隐含层节点数的自动选取,对轴承故障的分类诊断结果验证所提方法的有效性。通过变速器齿轮故障试验,利用重组粒子群变结构神经网络对轴承正常时的齿轮故障和轴承内圈故障时的齿轮故障进行了诊断识别,分析了所提方法的诊断效果,并与其他方法进行对比,验证了重组粒子群变结构神经网络方法的有效性。
【关键词】：故障诊断 粒子群优化算法 神经网络 重组粒子群神经网络
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;U472.9
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-15
• 1.1 课题来源9
• 1.2 课题研究意义和目的9-10
• 1.3 国内外研究现状10-14
• 1.4 论文研究内容14-15
• 第二章 粒子群优化算法15-38
• 2.1 粒子群优化算法的来源及其背景15
• 2.2 粒子群优化算法15-31
• 2.2.1 全局型和局部型粒子群优化算法18-19
• 2.2.2 标准粒子群优化算法19
• 2.2.3 粒子群优化算法的参数控制19-28
• 2.2.4 仿真分析28-31
• 2.2.5 PSO算法的优缺点31
• 2.3 重组粒子群优化算法31-37
• 2.3.1 粒子群优化算法“早熟”现象31-33
• 2.3.2 重组粒子群优化算法33-37
• 2.4 本章小结37-38
• 第三章 重组粒子群神经网络故障诊断方法38-59
• 3.1 BP神经网络38-43
• 3.1.1 BP神经网络模型38-39
• 3.1.2 BP算法39-41
• 3.1.3 仿真分析41-43
• 3.2 重组粒子群神经网络43-52
• 3.2.1 编码方式44-45
• 3.2.2 适应度指标45
• 3.2.3 初始化方式45-46
• 3.2.4 诊断流程46-47
• 3.2.5 仿真分析47-52
• 3.3 重组粒子群变结构神经网络52-58
• 3.3.1 编码方式52-53
• 3.3.2 适应度指标53-54
• 3.3.3 重组粒子群变结构神经网络诊断模型54-55
• 3.3.4 仿真分析55-58
• 3.4 本章小结58-59
• 第四章 变速器故障诊断59-69
• 4.1 变速器故障试验59-61
• 4.2 振动信号时域和频域分析61-64
• 4.2.1 齿轮故障61-62
• 4.2.2 耦合故障62-64
• 4.3 基于重组粒子群变结构神经网络的齿轮故障诊断64-68
• 4.3.1 齿轮故障诊断64-66
• 4.3.2 耦合故障诊断66-68
• 4.4 本章小结68-69
• 结论69-71
• 参考文献71-78
• 攻读硕士学位期间取得的研究成果78-79
• 致谢79-80
• 附件80

【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

  本文关键词：基于粒子群算法的神经网络故障诊断方法研究，由笔耕文化传播整理发布。

本文编号：430133