基于神经网络的心盘螺栓故障识别算法研究

论文摘要

心盘螺栓故障检测是列车故障动态检测系统的一个组成部分,该套系统通过计算机对列车故障进行智能检测,是确保列车安全运行的重要保障。本课题通过对心盘螺栓故障识别算法进行研究,一方面可以实现对心盘螺栓故障的有效识别,同时也可以为列车其他故障提供借鉴价值。本课题采用神经网络方法实现心盘螺栓的故障识别,神经网络具有较好的非线性拟合能力,可以通过对输入输出关系的不断学习,掌握待求解问题的内在规律,从而实现智能化的故障识别。神经网络的优化算法是决定神经网络性能的重要因素,本课题采用遗传算法对神经网络的连接权值与神经元阈值进行优化,可实现神经网络参数的全局收敛,同时由于遗传算法在适应度计算过程的运算量较大,故引入主从式并行遗传算法来提高整体运行效率,通过网络通信方式将运算交由并行处理器进行处理。通过上述方法训练得到的神经网络用于心盘螺栓故障识别测试,结果显示故障的准确识别率可以达到90%以上,证实神经网络故障识别方法在功能上可以满足需求,且针对外界环境的变化,神经网络可以再学习,具有较好的自适应性,对于其他故障,神经网络方法也具备较好的可移植性与推广意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源、研究目的和意义
• 1.2 国内外该方向的发展历程及现状分析
• 1.3 本课题研究内容
• 第2章 心盘螺栓故障识别神经网络模型设计
• 2.1 神经网络系统设计
• 2.2 神经网络基本原理
• 2.2.1 神经元模型
• 2.2.2 神经元激活函数
• 2.2.3 神经网络结构
• 2.2.4 神经网络工作机制
• 2.3 系统方案概述
• 2.3.1 心盘螺栓图片特点
• 2.3.2 心盘螺栓图像处理
• 2.3.3 故障识别方案设计
• 2.3.4 心盘螺栓故障识别神经网络设计
• 2.4 本章小结
• 第3章 遗传算法及其并行化实现
• 3.1 遗传算法原理
• 3.2 遗传算法设计方法
• 3.2.1 编码
• 3.2.2 适应度函数
• 3.2.3 遗传算子
• 3.2.4 遗传算法参数设计
• 3.3 遗传算法实现与仿真
• 3.3.1 遗传算法软件功能描述
• 3.3.2 算法实现
• 3.3.3 基于函数优化的遗传算法仿真
• 3.4 并行遗传算法实现与仿真
• 3.4.1 遗传算法并行化分析
• 3.4.2 并行遗传算法模型
• 3.4.3 并行遗传算法的实现方案
• 3.4.4 基于Socket 的网络通信
• 3.4.5 服务器端功能模块实现
• 3.4.6 客户端功能模块实现
• 3.4.7 基于函数优化的并行遗传算法仿真
• 3.5 本章小结
• 第4章 心盘螺栓故障识别神经网络的实现
• 4.1 实现流程
• 4.2 心盘螺栓样本提取
• 4.3 神经网络功能的软件实现
• 4.4 心盘螺栓故障识别神经网络的训练与测试
• 4.5 本章小结
• 结论
• 参考文献
• 附录 神经网络训练的动态链接库源代码
• 致谢