质量传感器故障诊断技术研究

发布时间：2017-07-07 18:14

  本文关键词：质量传感器故障诊断技术研究

  更多相关文章： 质量传感器 小波理论 BP神经网络 故障诊断

【摘要】：我国经济的高速发展所带来负面问题就是大气颗粒物浓度污染在不断加剧,危及着人们的健康安全。对大气颗粒物污染浓度的有效治理就成为了保障人们身体健康和社会和谐发展的关键因素。微量振荡天平监测仪对大气颗粒物浓度污染可以进行有效监测,而其内部最主要的单元是质量传感器。质量传感器是保障着大气颗粒物污染浓度监测结果输出的准确性,为环境的治理提供更科学的依据,本文对质量传感器故障诊断技术进行了深入探讨和研究。1)对质量传感器故障诊断的背景意义和国内外发展现状及趋势进行介绍。2)在微量振荡天平实验台上模拟质量传感器的四种运行状态,包括正常状态、失衡状态、松动状态和不对中状态,采集质量传感器四种状态下的振动信号,为进一步研究小波分析理论提供可用的实验数据。3)研究基于分析理论的信号特征提取,对微量振荡天平实验台上采集到的质量传感器四种状态下的数据利用小波分析法进行特征提取,综合考虑使用“频率等分”法更简单实用。4)研究小波分析理论与神经网络相结合的故障诊断方法,将小波包和BP神经网络理论结合起来,先利用小波包对质量传感器四种状态下的振动信号进行特征向量提取,再将提取的特征向量作为BP神经网络的输入样本进行样本训练和样本测试,目的是使得BP神经网络具有质量传感器故障识别的功能。运用小波包与BP神经网络相结合的方法对质量传感器的四种状态的故障识别率都超过90%,该方法对质量传感器具有较好的故障识别能力。
【关键词】：质量传感器 小波理论 BP神经网络 故障诊断
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212
【目录】：

• 摘要5-6
• Abstract6-12
• 1 绪论12-18
• 1.1 课题研究背景及意义12-14
• 1.2 国内外研究状况及其发展趋势14-15
• 1.2.1 国内外的研究状况14-15
• 1.2.2 发展趋势15
• 1.3 本文主要内容与结构15-18
• 2 质量传感器故障机理18-26
• 2.1 质量传感器工作结构18-21
• 2.1.1 质量传感器工作原理18-19
• 2.1.2 质量传感器振动监测原理19-21
• 2.2 质量传感器典型故障模式21-24
• 2.2.1 质量传感器失衡故障22
• 2.2.2 质量传感器松动故障22-23
• 2.2.3 质量传感器的不对中故障23-24
• 2.3 质量传感器典型故障信号表征24-25
• 2.3.1 失衡故障下信号表征24
• 2.3.2 松动故障下信号表征24-25
• 2.3.3 不对中故障下信号表征25
• 2.4 本章小结25-26
• 3 小波分析及其在故障诊断中的应用26-40
• 3.1 小波分析基本概论26-32
• 3.1.1 小波定义26-27
• 3.1.2 连续小波变换27-29
• 3.1.3 离散小波变换29-32
• 3.2 小波多分辨率分析及小波构造32-35
• 3.2.1 一维正交多分辨率分析32-33
• 3.2.2 小波包分析33-35
• 3.3 小波分析在质量传感器中特征提取35-38
• 3.3.1 小波分析处理过程35-37
• 3.3.2 故障特征提取37-38
• 3.4 本章小结38-40
• 4 BP神经网络在故障诊断中的应用40-48
• 4.1 神经网络的知识概况40-43
• 4.1.1 几种典型的神经网络模型40-41
• 4.1.2 BP神经网络概述41-43
• 4.2 基于BP神经网络的质量感器故障诊断43-46
• 4.2.1 BP神经网络学习过程44-46
• 4.2.2 BP神经网络故障诊断46
• 4.3 本章小结46-48
• 5 质量传感器故障诊断实验与结果48-66
• 5.1 故障信号采集48-50
• 5.2 故障诊断及分析50-64
• 5.2.1 故障特征提取50-60
• 5.2.2 BP神经网络故障诊断60-62
• 5.2.3 故障诊断结果验证62-64
• 5.3 本章小结64-66
• 6 总结与展望66-68
• 6.1 总结66
• 6.2 展望66-68
• 参考文献68-72
• 致谢72-74
• 作者简介及读研期间主要科研成果74

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 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

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006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：531280