学位论文 > 优秀研究生学位论文题录展示

基于EMD和神经网络的结构故障诊断与在线监测研究

作　者: 程凌
导　师: 陈前
学　校: 南京航空航天大学
专　业: 工程力学
关键词: 结构经验模态分解神经网络故障诊断在线监测
分类号: TN911.7
类　型: 硕士论文
年　份: 2009年
下　载: 68次
引　用: 0次
阅　读: 论文下载

内容摘要

振动分析是进行结构故障诊断与在线监测的重要手段。结构的振动信号中常常含有大量噪声,这使得信号和噪声的频谱在频域内发生了重叠。本文旨在研究适于结构的振动信号处理方法。经验模态分解(EMD)是目前信号处理中最热门的新兴技术之一,而将经验模态分解方法应用于实际结构振动信号处理方面,还不多见。本文以简支梁结构故障诊断仿真实验为基础,展开这方面的研究。本文介绍了经验模态分解方法(EMD)和神经网络(NN)的原理,研究了经验模态分解和神经网络的算法。为研究结构的故障诊断问题,对一简支梁模型进行仿真研究。采用经验模态分解方法对简支梁振动信号进行分解,对分解得到的前4个固有模态函数(IMF)分别求能量百分比,将IMF1-IMF4的能量百分比作为神经网络的输入向量,用17种工况的8组样本训练了简支梁故障诊断的网络模型。仿真结果表明,2组测试样本的测试结果均与实际状况相一致。当出现网络没有训练过的新故障时,检查结构,确定故障位置和类型,把新的故障数据加入到训练样本中,扩充故障库,再重新训练网络模型。之后,搭建了结构故障模拟试验平台,获得了关于简支梁振动信号的丰富的数据。通过分析验证了所研究的算法的有效性和适用性,这种方法可以检测出故障、故障的类型和故障的位置,为结构的故障诊断提出了一种有实用价值的方法。

全文目录

摘要  4-5
ABSTRACT  5-11
第一章绪论  11-18
  1.1 引言  11-13
  1.2 国内外研究现状  13-16
    1.2.1 经验模态分解的发展与研究现状  13-14
    1.2.2 神经网络发展历史以及国内外研究现状  14-16
  1.3 本文的主要研究内容  16-18
第二章常用时频分析方法特点及其局限性分析  18-28
  2.1 信号分辨率  18-19
  2.2 常用时频分析方法特点及其局限性  19-25
    2.2.1 短时傅立叶变换  19-21
    2.2.2 小波变换  21-23
    2.2.3 Wigner-Ville 分布  23-25
  2.3 瞬时频率  25-28
第三章 EMD 时频分析方法的基本理论  28-36
  3.1 EMD 方法的基本概念  28-29
    3.1.1 特征尺度参数  28-29
    3.1.2 固有模态函数  29
  3.2 EMD 算法原理  29-34
    3.2.1 EMD 分解的原理及实现  29-32
    3.2.2 EMD 分解的完备性和正交性  32-34
  3.3 Hilbert 谱与 Hilbert 边际谱  34-36
第四章人工神经网络及BP 学习算法  36-46
  4.1 人工神经网络模型  36-37
  4.2 人工神经网络类型  37
  4.3 神经网络的学习算法  37-38
  4.4 BP 网络  38-46
    4.4.1 BP 网络模型与结构  38-39
    4.4.2 BP 学习规则  39-41
    4.4.3 BP 网络的训练过程  41-42
    4.4.4 BP 网络的设计  42-43
    4.4.5 BP 算法的不足与改进方法  43-44
    4.4.6 BP 程序算例  44-46
第五章简支梁故障信号提取与分析  46-65
  5.1 简支梁振动仿真研究  46-58
    5.1.1 仿真模型  46-47
    5.1.2 有限元模型的修正  47-48
    5.1.3 故障特征的提取  48-49
    5.1.4 仿真实验方案  49-52
    5.1.5 BP 神经网络的训练与测试  52-58
  5.2 结构故障的模拟试验  58-65
    5.2.1 试验方案  58-59
    5.2.2 试验装置  59-60
    5.2.3 故障模拟  60
    5.2.4 试验过程  60-61
    5.2.5 试验结果分析  61-64
    5.2.6 结论  64-65
第六章总结与展望  65-67
  6.1 本文工作总结  65
  6.2 工作展望  65-67
参考文献  67-71
致谢  71-72
在学期间的研究成果及发表的学术论文  72-73
附录  73

基于EMD和神经网络的结构故障诊断与在线监测研究

内容摘要

全文目录

相似论文