基于小波神经网络的故障诊断工程师辅助系统研究与开发

论文摘要

由于现代工业中所应用的机械设备绝大部分是大系统，多零件，有的甚至是巨系统，而且对于设备整体来讲，各个分系统之间的联系也变得越发的紧密和复杂，往往是牵一发而动全身，而以往的完全依靠操作人员的经验积累来完成整个系统的故障分析和处理完全是不可想象的，所以发展适合现代工业的先进故障诊断技术是必然的。计算机由于其独有的特点在各个行业大行其道，在工业上更是应用广泛。而故障诊断和计算机的结合，改变了以前只能提出理论却无法实现的情况，各种先进的理论和原有的丰富诊断经验相结合，产生了很多新的具有实用价值的技术，促进故障诊断进入智能化阶段。本文针对大型机械设备中的旋转机械，分析了旋转机械的各种典型故障的机理和相应的专家知识及故障治理措施。介绍了各种诊断技术在设备状态监测技术、故障诊断技术的应用，详细分析了其中非常有代表性的监测诊断技术——振动诊断技术，阐述了相关的信号处理方法。本文介绍了小波、人工神经网络的原理、功能、模型等，把二者结合起来，重点推导了三层RBF小波神经网络的数学模型，建立了智能故障诊断系统的模型及模块化结构，详细介绍了每一模块的功能及其模型。结合故障诊断中的实际经验，利用VC++6.0实现了模型的计算机化。本文设计的系统在将专家知识按规定的格式输入到系统后，经学习后系统具有区分这些故障模式的能力，可以用来进行简单的故障识别。

论文目录

• 摘要
• Abstract
• 目录
• 绪论
• 1 发展机械故障诊断技术的重要性和意义
• 2 研究现状
• 3 本文的主要研究内容
• 第一章 振动监测技术与信号处理
• 1.1 故障诊断技术
• 1.1.1 故障诊断技术的概念
• 1.1.2 常见故障诊断方法
• 1.2 振动故障诊断技术
• 1.2.1 振动监测技术
• 1.2.2 监测方案的制定
• 1.3 信号处理
• 1.3.1 频域分析
• 1.3.2 时域分析
• 1.3.3 时频域分析
• 1.4 旋转机械的振动特点
• 1.4.1 旋转机械中转子振动特征
• 1.5 旋转机械的常见故障
• 1.5.1 转子不平衡
• 1.5.2 转子弯曲
• 1.5.3 转子不对中
• 1.5.4 轴承油膜振荡及涡动
• 1.5.5 转子裂纹
• 1.5.6 碰摩
• 本章小结
• 第二章 小波神经网络
• 2.1 神经网络
• 2.1.1 人工神经网络发展历程及基本理论
• 2.1.2 人工神经网络的应用
• 2.2 小波
• 2.2.1 小波的发展历程及基本理论
• 2.2.2 小波在故障诊断技术中的应用
• 2.3 小波神经网络
• 本章小结
• 第三章 BP神经网络在故障诊断中的应用
• 3.1 BP神经网络
• 3.2 BP算法
• 3.2.1 BP算法
• 3.2.2 BP神经网络存在的不足
• 本章小结
• 第四章 基于小波神经网络的智能诊断系统
• 4.1 专家系统
• 4.1.1 专家系统模型
• 4.1.2 机械设备故障诊断系统
• 4.2 智能诊断系统
• 4.3 故障诊断工程师辅助系统的研究和开发
• 4.3.1 系统基本构成
• 4.3.2 提取故障征兆
• 4.3.3 小波神经网络系统
• 4.3.4 系统知识库
• 4.3.5 动态数据库
• 4.3.6 解释机制
• 4.3.7 推理机
• 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢