学位论文 > 优秀研究生学位论文题录展示

基于非平稳分析和神经网络的旋转机械故障诊断方法研究

作　者: 吴旭辉
导　师: 黄树红
学　校: 华中科技大学
专　业: 热能工程
关键词: 故障诊断非平稳信号分析神经网络短时傅里叶变换 Wigner分布小波变换
分类号: TH165.3
类　型: 硕士论文
年　份: 2009年
下　载: 75次
引　用: 2次
阅　读: 论文下载

内容摘要

为满足现代旋转机械非平稳信号处理的需求,提高对复杂信号故障诊断的准确率,同时也能得到直观的故障诊断结果,提出将非平稳信号分析和神经网络相结合应用于故障诊断。主要包括三种非平稳分析方法:短时傅里叶变换,Wigner分布和小波变换。针对非平稳分析结果的特点,本文提出了一种有效的特征提取方法,即对非平稳信号分析后的同一频率(或尺度)、不同时间上的数据,做数学处理,从而把非平稳分析的结果由三维图形转化为二维谱,然后再选取特征频率(或尺度)上的数据作为特征值。通过试验确定了特征提取方案,试验结果表明,短时傅里叶变换适合采用方差方案,Wigner分布适合采用最大值方案,而小波变换可以采用平方和方案来寻找特征尺度。最终成功提取出若干能最大限度反映故障特征的特征值,作为神经网络的输入。采用MATLAB开发了一个面向对象的、通用的BP神经网络软件。软件主要有三个创新之处:可自动读取样本;训练好的网络可保存和移动;软件通用化。采用实验室故障模拟试验的数据对基于非平稳分析和神经网络的故障诊断方法的诊断效果作了研究,并与传统的频谱分析与神经网络结合后的诊断效果作对比。结果表明,这三种非平稳的分析方法与神经网络结合后的诊断效果都优于频谱分析,尤其短时傅里叶变换和小波变换与神经网络结合后的诊断准确率是比较理想的,可以满足现代旋转机械故障诊断的需求,具有较好的应用前景。另外,诊断的结果不再是一个复杂的三维图谱,而是直观的神经网络的输出,使得利用非平稳分析方法进行故障诊断的方式从对复杂的图谱的判断上升到了人工智能的高度。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-14
  1.1 课题的研究背景和意义  8-9
  1.2 非平稳信号分析的发展和应用  9-11
  1.3 人工神经网络的发展与应用  11-12
  1.4 论文的主要研究内容和结构安排  12-13
  1.5 本章小结  13-14
2 非平稳信号分析的相关理论  14-21
  2.1 非平稳信号分析概述  14-15
  2.2 短时傅里叶变换  15-16
  2.3 Wigner 分布  16-18
  2.4 小波变换  18-20
  2.5 本章小结  20-21
3 人工神经网络的相关理论  21-30
  3.1 人工神经网络  21-24
  3.2 BP 神经网络  24-28
  3.3 神经网络应用于故障诊断  28-29
  3.4 本章小结  29-30
4 非平稳信号分析在旋转机械故障诊断中的应用  30-42
  4.1 旋转机械常见故障特征分析  30-31
  4.2 非平稳信号分析的算法  31-34
  4.3 非平稳信号分析在故障诊断中的应用  34-41
  4.4 本章小结  41-42
5 基于非平稳分析和神经网络的故障诊断方法  42-60
  5.1 故障特征的提取  42-47
  5.2 神经网络软件的开发与实现  47-53
  5.3 非平稳分析与神经网络相结合应用于故障诊断  53-59
  5.4 本章小结  59-60
6 全文总结与展望  60-62
  6.1 全文总结及重要结论  60-61
  6.2 研究展望  61-62
致谢  62-63
参考文献  63-67
附录硕士研究生阶段发表的论文及所参与的工作  67

基于非平稳分析和神经网络的旋转机械故障诊断方法研究

内容摘要

全文目录

相似论文