LMBP算法的改进及其在远程故障诊断系统中的应用

论文摘要

概述故障诊断技术的国内外发展过程以及远程故障诊断技术的发展现状。给出基于神经网络的故障诊断系统的发展现状以及神经网络适用于设备故障诊断的原因。根据神经网络用于故障诊断系统的要求,研究了神经网络训练样本的挖掘方法,实现样本的科学提取,减少了样本提取对工程人员的依赖性;改进了神经网络LMBP（LevenbergMarquardt Back Propagation）算法,提高了神经网络的训练速度。即将基于最大信息增益的决策树挖掘算法用于选取BP神经网络训练样本,并对样本进行去均值处理,以便于更适合网络训练;运用均匀分布策略初始化网络的权值与偏置值;考虑到基本BP算法训练时间长,收敛性能不好的局限性,分析比较了几种常用的改进BP算法的方法,然后通过实例仿真,从训练回合和训练耗时两个性能指标上综合考虑,选取LMBP算法作为设备的故障诊断算法;从数值分析的角度提出一种减少LMBP算法计算量、提高该算法训练速度的方法。最后,以淮南新集集团刘庄煤矿主井提升机液压站为模拟仿真对象,设计了一个实验室远程故障诊断仿真系统。该仿真系统采用ARM S3C44B0X作为数据采集板,以Vxworks作为采集板操作系统、以RTL8019S作为网络通信控制器、以BorlandC++Builder作为上位机界面开发环境,以Matlab作为故障诊断算法的后台计算软件。测试表明,该实验室故障诊断仿真系统的网络通信功能较好、软硬件可靠性较高、诊断算法有效性较强。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 故障诊断技术概述
• 1.2 课题提出的背景
• 1.3 本课题的主要研究工作
• 2 数据挖掘算法
• 2.1 决策树算法
• 2.2 决策树算法实例仿真
• 2.3 本章小结
• 3 BP神经网络理论与BP算法的改进
• 3.1 BP网络结构
• 3.2 BP网络的训练过程
• 3.3 BP网络的基本学习算法
• 3.4 基本BP算法的局限性
• 3.5 BP算法的改进方法
• 3.6 各种改进BP算法的Matlab仿真比较
• 3.7 本章小结
• 4 LMBP算法训练速度的改进
• 4.1 基本LMBP算法
• 4.2 LMBP算法训练速度的改进
• 4.3 LMBP算法的应用仿真
• 4.4 本章小结
• 5 基于BP神经网络的设备远程故障诊断系统设计
• 5.1 数据采集板硬件设计
• 5.2 BP神经网络样本选取与结构设计
• 5.3 人机交互界面的功能设计
• 5.4 液压站故障诊断系统的实验室仿真设计
• 5.5 本章小结
• 6 结论与展望
• 6.1 本文的主要工作和结论
• 6.2 展望
• 附录1 矿井提升机液压站实验室仿真数据表
• 附录2 数据采集板样图及其各部件原理图
• 附录3 故障诊断系统各组成部分的程序代码
• 致谢
• 攻读硕士期间主要成果
• 攻读硕士期间发表的有关论文
• 攻读硕士期间参与的科研项目
• 攻读硕士期间获得的奖励
• 参考文献