学位论文 > 优秀研究生学位论文题录展示

基于小波神经网络的故障诊断方法研究

作　者: 张正刚
导　师: 任伟建
学　校: 大庆石油学院
专　业: 控制理论与控制工程
关键词: 故障诊断 小波神经网络 径向小波框架 对角回归 动态最小二乘算法 BP 算法
分类号: TP18
类　型: 硕士论文
年　份: 2005年
下　载: 624次
引　用: 15次
阅　读: 论文下载
 

内容摘要


近年来,由于计算机技术、信号处理、人工智能、模式识别等技术的发展,促进了故障诊断技术的不断发展,特别是基于知识的故障诊断方法得到了广泛的研究。其中,随着神经网络技术的日趋完善,基于神经网络的故障诊断方法受到了广泛的关注。由于故障诊断的一个主要步骤是对信号进行采集和处理,而小波分析是对信号进行分析和处理的一个有效的工具,同时由于小波函数的诸多优良特性,将小波函数或尺度函数作为神经网络的激励函数可以获得更好的诊断效果,所以小波与神经网络的结合——小波神经网络在故障诊断中的应用成为近年来故障诊断领域中研究的一个热点。 本文在综合分析了各种小波神经网络的结构与算法并对油田抽油机井的数据进行小波包分解以提取其特征向量的基础之上,构造了基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络。该网络包括初始的学习网络和在训练过程中根据精度的要求而自适应并入的子网络,各级网络的隐含 层均由单尺度下的多维紧支径向小波框架构成,且尺度逐级增加,每一级网络对其上一级网络的误差进行学习,而且对新并入的子网络参数的训练不影响已训练好的网络的参数,直到满足精度要求为止,这样就可以根据精度的要求自适应地确定网络的隐含层节点数,使隐含层节点数的确定有据可依,在很大的程度上优化了网络的结构,较之多维小波神经网络通常所采用的张量积结构可以更进一步地缓解多维小波神经网络中普遍存在的“维数灾”问题。同时,网络的隐含层节点采用对角回归结构,通过引入一阶自反馈环节可以在不增加网络输入节点的前提下反映系统的动态特性,且其对信息的记忆可以达到无限。针对所提出的网络,本文推导出了与之相适应的带遗忘因子的动态递推最小二乘算法对网络的各参数进行训练,同时给出了尺度和位移参数的初始化方法以及网络权值的初始化方法。 应用本文所构造的小波神经网络并利用采集到的电流数据经小波包分解后得到的特征向量对油田抽油机井的故障进行诊断,实际结果表明,基于小波神经网络的故障诊断方法比传统的 BP 神经网络诊断方法更高效、更准确,可以更好地应用于实际生产过程中。

全文目录


前言  7-11
第一章 故障诊断技术  11-17
  1.1 引言  11
  1.2 故障诊断中的基本概念  11-12
  1.3 故障诊断的任务及内容  12
  1.4 故障诊断的意义  12-13
  1.5 故障诊断方法概述  13-16
    1.5.1 依赖于模型的故障诊断方法  13-14
    1.5.2 不依赖于模型的故障诊断方法  14-16
    1.5.3 基于离散事件的故障诊断方法  16
  1.6 本章小结  16-17
第二章 小波分析的理论及其应用  17-33
  2.1 引言  17
  2.2 小波分析的基本理论  17-29
    2.2.1 小波分析的形成与发展  17-19
    2.2.2 连续小波变换  19-20
    2.2.3 离散小波变换  20-21
    2.2.4 小波框架  21-23
    2.2.5 多分辨率分析与Mallat 算法  23-27
    2.2.6 小波包分析  27-29
  2.3 信号的小波消噪和特征向量的提取  29-32
    2.3.1 信号的小波消噪  29-31
    2.3.2 基于多分辨率分析的信号特征向量的提取  31-32
  2.4 本章小结  32-33
第三章 基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络的构造  33-47
  3.1 引言  33
  3.2 小波神经网络  33-43
    3.2.1 小波神经网络概述  33-34
    3.2.2 小波神经网络的结构  34-39
    3.2.3 小波神经网络的基本算法  39-43
  3.3 基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络  43-45
    3.3.1 网络的提出及其特点  43-44
    3.3.2 网络的结构与流程图  44-45
  3.4 本章小结  45-47
第四章 基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络的抽油机井故障诊断  47-61
  4.1 引言  47
  4.2 抽油机井故障简介  47-48
  4.3 故障数据的归一化处理与特征向量的提取  48-54
    4.3.1 故障数据的归一化处理  48-50
    4.3.2 基于小波包分解的信号特征向量的提取  50-54
  4.4 网络的学习算法  54-55
  4.5 网络的参数初始化方法  55-57
    4.5.1 尺度和位移的初始化方法  55-56
    4.5.2 权值的初始化方法  56-57
  4.6 诊断结果及讨论  57-60
  4.7 本章小结  60-61
结论  61-63
致谢  63-65
参考文献  65-68
攻读硕士期间发表论文  68-69
大庆石油学院硕士研究生学位论文摘要  69-76

相似论文

  1. 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
  2. 八作动器隔振平台的六自由度容错控制研究,TB535.1
  3. 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
  4. 基于支持向量机的故障诊断方法研究,TP18
  5. 三容水箱系统故障诊断算法研究,TP277
  6. 水上交通安全保障系统的关键技术研究,U698
  7. 基于小波神经网络的矿山事故隐患安全评价系统的设计,TD79
  8. 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
  9. HART现场故障诊断仪的研究与实现,TP277
  10. 江西省农村信用社贷款定价研究与对策建议,F832.43
  11. 聚合釜群多通道实时在线监测系统研究,TP274
  12. 基于EMD与神经网络的柱塞泵故障诊断方法,TH322
  13. 发电设备综合状态的评价方法研究及应用,TM621.3
  14. 基于滑模观测器的非线性系统故障诊断与故障重构问题研究,TP13
  15. 轿车悬架故障诊断系统研究,U472.9
  16. 发动机振动与燃烧分析虚拟仪器的设计开发与应用研究,TK407
  17. 融合多种信号特征的模拟电路故障诊断研究,TN710
  18. 频带熵方法及其在滚动轴承故障诊断中的应用,TH165.3
  19. 发动机冷试与加工数据的多元相关性研究与应用,U464
  20. 举升液压系统数控模拟试验台的设计与研究,TH702
  21. 船舶柴油机运行状态监测和诊断系统的开发,U664.121

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com