学位论文 > 优秀研究生学位论文题录展示
基于小波分析和神经网络的动力机械故障诊断研究
作 者: 王裕鹏
导 师: 赵龙庆
学 校: 西南林学院
专 业: 森林工程
关键词: 动力机械 故障诊断 小波包 BP神经网络
分类号: TP277
类 型: 硕士论文
年 份: 2007年
下 载: 247次
引 用: 3次
阅 读: 论文下载
内容摘要
随着现代机械设备的日趋大型化、复杂化、自动化和连续化,设备一旦发生故障,给生产和生活以至于人们的生命财产安全造成很大影响。因此,人们总是期望建立一套监测、预警、容错和维修机制,伴随系统运行的全寿命周期,防止和杜绝影响系统正常运行故障的发生和发展。小波包分析是在多分辨分析的基础上提出的一种能够将频率分辨到任意细节的信号处理方法,它不仅对低频信号进一步进行分解,而且对高频信号也一样,因此在故障诊断方面得到了广泛的应用。本文中就是利用自主编写完成的改进的小波包软阈值消噪方法源程序对采集的振动信号进行消噪处理,进而提取归一化后的故障特征向量。神经网络因其极强的非线性映射能力,特别适合于复杂模式识别,所以成为动力机械状态识别的有力工具。本文中采用神经网络中最核心的部分即三层BP神经网络作为故障分类识别的工具,根据实验的要求和需要求解的问题最终确定神经网络的输入层神经元个数为8个、中间层神经元个数为30个、输出层神经元个数为5个。在对云内动力股份有限公司生产的4100QB柴油发动机上进行实验的基础上,建立了基于小波分析和神经网络的自适应故障诊断系统。该系统采集了柴油机缸体表面的振动信号,利用小波分析对振动信号消噪处理,有效的剔除了振动信号的噪声干扰,提取了可以表征柴油机故障的振动信号的特征向量。把提取的发动机缸体振动信号特征向量作为神经网络的训练样本,最终建立起了神经网络自适应故障诊断系统。通过输入检验样本对神经网络自适应故障诊断系统进行验证,结果表明该系统能有效的对故障进行分类识别,最终实现故障诊断。实验中应用DASP2005专业软件采集了发动机在正常和非正常工作状况下的缸体振动信号,利用MATLAB的小波分析源程序对振动信号进行消噪处理,提取相应特征向量,作为神经网络的训练和检验样本。通过BP神经网络的学习和识别,最后对相关工作状态进行了分类,对发动机的相应故障做出了判定。这些方法和实验数据为后续的研究提供了基础。实验和分析结果表明,小波分析和神经网络用于动力机械故障诊断是有效的、可行的,为动力机械故障的判定、诊断提供了一种新的思路和方法。
|
全文目录
摘要 4-5 Abstract 5-9 1 绪论 9-14 1.1 课题背景 9-10 1.1.1 动力机械故障诊断的意义 9 1.1.2 动力机械故障诊断的发展现状 9-10 1.2 目前动力机械故障诊断的常用方法 10-12 1.3 目前动力机械故障诊断存在的问题 12-13 1.4 本论文研究的主要内容 13 1.5 本章小结 13-14 2 小波分析、神经网络及其在动力机械故障诊断中的研究现状 14-27 2.1 小波分析基本理论及其在信号处理和故障诊断中的应用 14-21 2.1.1 小波分析基本理论 14-16 2.1.2 Daubechies(dbN)小波函数 16-18 2.1.3 小波包故障特征提取 18-20 2.1.4 小波分析在信号处理和故障诊断中的应用 20-21 2.2 神经网络基本理论及其在故障诊断中的应用 21-26 2.2.1 神经网络的历史简介 21-22 2.2.2 BP神经网络基本理论 22-25 2.2.3 神经网络在故障诊断中的应用 25-26 2.3 本章小结 26-27 3 内燃机结构及振动特性分析 27-34 3.1 内燃机基本结构 27-28 3.2 内燃机振动的激振源及其传播途径 28-29 3.2.1 内燃机振动的主要激振源 28-29 3.2.2 振动力传播途径 29 3.3 内燃机缸盖振动信号的特性研究 29-30 3.4 确定故障诊断对象 30 3.5 配气机构、燃烧情况故障诊断研究现状 30-32 3.5.1 其它方法的配气机构故障诊断研究 30-31 3.5.2 小波分析和神经网络在配气机构、燃烧情况故障诊断方面的应用 31-32 3.6 本研究的特点 32-33 3.7 本章小结 33-34 4 实验系统 34-43 4.1 动力机械故障诊断系统 34-35 4.2 本课题中的实验系统 35-41 4.2.1 振动信号产生系统 35-39 4.2.2 信号采集系统 39-40 4.2.3 信号分析系统 40-41 4.3 实验设备简介 41-42 4.3.1 DASP2005专业分析软件简介 41 4.3.2 压电加速度传感器介绍 41-42 4.4 本章小结 42-43 5 小波分析和神经网络在动力机械故障诊断中应用的实验研究 43-58 5.1 实验步骤 43-46 5.2 小波分析数据处理 46-52 5.3 神经网络自适应故障诊断系统的形成 52-55 5.4 故障诊断模型的建立 55-56 5.5 实验验证 56-57 5.6 本章小结 57-58 6 结论与展望 58-60 6.1 结论 58 6.2 展望 58-60 参考文献 60-64 致谢 64-65 附录 65-76 附录A 实验数据处理后结果(归一化后特征向量) 65-76 附录B 攻读硕士学位期间参与的课题及发表的学术论文 76
|
相似论文
- 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 多载波CDMA的信道编码与信道估计技术的研究,TN929.533
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 桡动脉超声多普勒血流信号的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 基于支持向量机的故障诊断方法研究,TP18
- 三容水箱系统故障诊断算法研究,TP277
- 市级旅游用地规划环境影响评价研究,X820.3
- 大学生综合素质测评研究,G645.5
- 水上交通安全保障系统的关键技术研究,U698
- 大鼠皮层神经细胞膜离子通道电流测量与重构,Q42
- 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
- 基于小波分析的掌纹图像识别研究,TP391.41
- HART现场故障诊断仪的研究与实现,TP277
- 小波包多载波调制系统中的峰均比技术研究,TN919.3
- 聚合釜群多通道实时在线监测系统研究,TP274
- 基于EMD与神经网络的柱塞泵故障诊断方法,TH322
- 发电设备综合状态的评价方法研究及应用,TM621.3
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 监视、报警、故障诊断系统
© 2012 www.xueweilunwen.com
|