

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著機械設備復雜程度和自動化水平的提高,機械設備故障診斷的重要性日益顯著,而選擇合適的診斷方法對于診斷結果是否精確至關重要。在智能故障診斷技術的研究中,小波分析和神經網絡技術都是熱點研究內容,也是研究的前沿。
本文首先對故障診斷技術的研究內容及研究意義進行了闡述,介紹了故障診斷主要的方法及步驟,通過對機械故障振動信號的引入,對故障時振動的時域和頻域的信號進行分析。接著介紹了基于神經網絡的故障診斷技術的基本特征和性質,以及神經網
2、絡的主要類型,分析了神經網絡作為一種新型技術的優(yōu)點。其次,詳細介紹了RBF網絡,并將RBF神經網絡與BP網絡進行對比。由于RBF網絡的預測精度要大于BP神經網絡,同時RBF網絡的訓練時間明顯小于BP網絡,在故障診斷中顯示出更大的優(yōu)勢。通過對各種理論基礎的分析與比較,為后面的工作提供理論基礎。
由于小波變換不具備時移不變性,針對小波分析的不足,本文提出了多分辨率分析和小波固定時間基分析。以船用空氣壓縮機為例,對空氣壓縮機運行中的
3、振動信號進行了研究,并對往復式壓縮機的氣閥振動信號進行了采集,得到相應測量數(shù)據。通過Labview平臺基于小波固定時間基分析得到的實驗數(shù)據,作為神經網絡的輸入樣本。最后通過RBF神經網絡對空氣壓縮機進行故障診斷。
小波固定時間基分析有效地剔除了壓縮機氣閥故障信號中的冗余,降低了神經網絡的輸入維數(shù),改善網絡的收斂性能,從而減少了網絡的訓練時間,避免網絡陷入局部極小。最終通過仿真實驗證實了基于小波固定時間基分析和神經網絡用于故障診
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經網絡的旋轉機械故障診斷方法研究.pdf
- 基于RBF神經網絡的旋轉機械故障診斷.pdf
- 基于HHT與神經網絡的旋轉機械故障診斷研究.pdf
- 機械故障診斷中基于神經網絡的數(shù)據挖掘方法研究.pdf
- 基于小波神經網絡的機械故障診斷方法的研究.pdf
- 基于小波-概率神經網絡的旋轉機械故障診斷.pdf
- 基于小波和神經網絡的旋轉機械故障診斷研究.pdf
- 基于小波變換和神經網絡的旋轉機械故障診斷.pdf
- 基于小波變換和神經網絡的旋轉機械故障診斷研究.pdf
- 基于人工神經網絡的旋轉機械故障診斷專家系統(tǒng).pdf
- 基于支持向量機和模糊神經網絡的旋轉機械故障診斷.pdf
- 基于BP神經網絡的大型旋轉機械故障診斷系統(tǒng)研究.pdf
- 基于非平穩(wěn)分析和神經網絡的旋轉機械故障診斷方法研究.pdf
- 基于神經網絡的旋轉機械的故障診斷研究.pdf
- 基于神經網絡的故障診斷.pdf
- 基于小波分析和神經網絡的動力機械故障診斷研究.pdf
- 基于神經網絡的故障診斷研究.pdf
- 基于神經網絡的電機故障診斷.pdf
- 基于RBF神經網絡的故障診斷.pdf
- 基于神經網絡的工程機械遠程故障診斷技術研究.pdf
評論
0/150
提交評論