搜索
武汉理工大学硕士学位论文改进的小波神经网络在旋转机械故障诊断中的应用研究姓名：黄媛申请学位级别：硕士专业：计算机应用技术指导教师：潘昊20090501改进的小波神经网络在旋转机械故障诊断中的应用研究作者：黄媛学位授予单位：武汉理工大学相似文献(10条)1.期刊论文王敬章.WANGJing-zhang人工神经网络在机械设备故障诊断中的应用-天然气工业2009,29(6)油气田关键设备(各种机泵和压缩机)的运行状况直接关系到油气田开发的安全,平稳和高效运行.这些设备几乎是24h不间断运行,难免会出现故障甚至绐生产造成损失.当前有多种神经网络被应用于这些设备的状态监测与故障诊断.对BP神经网络、径向基函数网络、概率神经网络、学习矢量量化网络、模糊神经网络和小波神经网络在机械设备故障诊断中的应用与研究进展进行了分析比较,阐述了各种网络的应用效果,分析了各种网络应用的优缺点.人工神经网络以其具有非线性、大规模、并行处理能力强、鲁棒性、容错性及自学习能力强等特点,在机械设备故障诊断中得到广泛的应用,应选择合适的神经网络对机械设备进行故障诊断,为油气田的安全、平稳和高效开发提供保障.2.学位论文刘洪宇机械设备故障诊断综合实验系统的研究2003首先,通过该系统中的机械设备故障模拟系统我们可以方便地模拟一些生产实际中真实设备的零部件(例如:直齿轮、斜齿轮、人字齿轮、滚动轴承、滑动轴承、轴和联轴器等)及其加工、装配不合理等常见故障.同时,通过变频调速器我们可以使交流电机在其额定转速内任意调整转速进而实现改变机械设备故障模拟系统工作频率的目的.然后,通过该系统中的检测监测系统(以PCL-711b型多功能数据采集A/D板为核心)我们可以对振动加速度、速度、位移以及力和温度等信号进行数据采集和A/D转换.最后,通过该系统中的分析诊断系统我们可以对所采集的数据进行快速付里叶变换分析、自功率谱密度函数分析和数理统计分析等十二项诊断分析处理,并将其结果保存起来或直观地显示出来.机械设备故障诊断综合实验系统通过其在教学实践中的应用,已获得了较好的实际效果.在培养检测、设备故障诊断等专业人才方面,该系统非常适合机械设备故障诊断和测试技术等课程的课程教学和实验教学.因此,该系统具有培训时间短,实际见效快,实验费用低等特点.特别适用于大专院校和科研院所.若将该系统软件配置于笔记该电脑之内即可方便地对各种机械设备进行现场实测、信号分析和故障诊断.其市场前景非常看好.3.会议论文万耀青.王文清机械设备润滑油油品与磨损类故障诊断研究和开发1996利用原子发射光谱、红外光谱和理化分析等仪器，研究润滑油中磨损元素的变化规律，油品降解程度，对机械设备进行磨损类故障诊断和延长换油期研究。包括油料光谱分析故障诊断界限值制定，磨损类诊断的４种理论和方法，换油期与油品降解、污染的检测与分析。以大功率柴油机为应用对象进行实际考核应用，也可推广到其他设备的诊断和应用。4.会议论文常西畅机械设备噪声故障诊断的新进展2002机械设备故障诊断对于提高设备运行效率,保障设备运行安全是非常必要的.通过机械设备运转时的噪声对机械设备进行状态监视和故障诊断,具有非接触、在线、简便易行等优点.本文介绍了通过盲源识别等方法进行噪声故障诊断的新进展.并提出了进一步的研究方向和诊断设备研制的构想.5.学位论文李国正机械设备工况监测系统的研制与故障诊断智能化的探索2001该文详细讨论了工况监测与故障诊断系统的构成,并从信号采集、信号分析、特征提取、模式识别等方面深入探讨了系统的相关技术.根据工厂实际要求,设计了一套基于振动噪声的机械设备工况监测系统,并牟故障诊断的智能化进行了有益的探索,从声、电、微处理器以及现肛谱分析、小波包分析、人工神经网络等方面研究、设计了工况监测与故障智能诊断系统的硬软件.该文将工况监测系统应用于卷接包机八工位转塔这样一种复杂机构,并对其故障的智能诊断进行了探索.虽然机械设备结构多磁,故障频率和出现的形式不同,但是此项研究对于各种机械设备的工况监测与故障诊断具有参考意义.6.会议论文陈进机械设备故障诊断与现代信号处理技术1998机械设备状态监测与故障诊断学科目前所面临的最关键，也是最困难的问题之一是故障特征信息提取，现代信号处理技术被认为是进行特征提取的最为有效的工具，该文围绕故障特征信息提取和分类识别问题，分析了国内外近年来利用现代信息处理理论和方法所进行的若干研究工作，指出一些值得深入探讨和重点研究的问题。7.期刊论文王琳.WangLin机械设备故障诊断与监测的常用方法及其发展趋势-武汉工业大学学报2000,22(3)机械设备故障诊断及监测技术在现代工业中起着十分重要的作用.本文对机械故障诊断的基本过程和原理进行了论述,着重分析了四种常用的故障监测方法,最后对机械故障诊断和监测方法进行了展望.8.学位论文王淑珍基于LabVIEW及Internet的大型机械设备故障诊断与监测技术研究2005大型的机械设备是生产中的关键设备，通过故障诊断与监测技术来保障这些设备安全稳定地运行，对提高企业经济效益以及国民经济发展具有重要意义。本文在分析大型机械设备的故障产生的机理和信号处理方法的基础上，构造了由磁敏振动传感器、电流电压传感器、笔记本计算机、美国Viasat公司的基于Internet的TCP/IP协议的MiniDAT无线数据发射和接收系统以及美国NI公司的SCXI信号调理模块等构成的“大型机械设备运行状况监测分析系统”硬件平台。该硬件系统综合了CiscoSystems公司的无线Internet技术和NI公司高性能的DAQ，同时具有携带方便，免于布线，采样速率高，易于实现远距或异地遥测数据分析等优点。该系统的软件用LabVIEW图形化编程语言完成，可以实现8路数据的采集、处理、显示、记录、监控以及历史数据的回放，并具有打印、分析处理及故障诊断等功能。该系统已被成功用于某大型水泥磨机的减速器运行监测和故障分析，系统运行稳定，状态良好，效果显著。9.期刊论文刘文霞.孙凤英.王德江机械设备故障诊断理论及相关技术的研究-交通科技与经济2001,3(3)对应用于机械设备故障诊断方面的理论及相关技术的发展及现状进行了研究,针对各种故障诊断方法探讨了其优缺点及其适应性,研究了小波(Wavelet)分析的发展及其在机械故障诊断中的应用.10.学位论文冯振华基于分形和支持向量机的机械设备故障诊断2007在统计学习理论上发展起来的支持向量机，为小样本学习问题的解决提供了一种新的思路。它很好地执行了统计学习理论的结构风险最小化原则，并且利用核函数将非线性问题转换到线性空间中解决，大大降低了算法的复杂程度。正是这些优秀的性能使得支持向量机成为了机器学习研究的热点，在各个领域都有它的应用和研究，特别是在故障诊断领域，由于在实际生产中故障样本很难得到，故障诊断本身就是一个小样本问题，而支持向量机所表现出的小样本决策性能使得它在故障诊断领域的前景非常广阔。同时，故障特征提取方法也是故障诊断中的重要环节。分形方法能够通过其特征参数——分形维数对复杂机械系统的状态微小变化做出量化的描述，借助分形维数这一特征量，将有助于对机械设备的状态进行识别。本文在对支持向量机和分形深入了解的基础上，进行了以下方面的研究：以滚动轴承作为研究对象，首先对其故障行为进行了分析，并通过故障模拟的方法，在轴承实验台上进行了不同工况下滚动轴承几种典型故障信号的采集。然后对采集到的振动信号进行了趋势项的消除，并利用小波分析的方法对信号进行了消除噪声的处理。进一步将经过预处理的信号应用分形的方法来提取滚动轴承振动信号的故障特征。最后将分形方法得到的特征向量作为样本输入支持向量机，利用支持向量机的回归算法对滚动轴承进行了故障诊断。另外对支持向量机的参数选择的问题作了一些有益的探讨，提出了一种参数选择的方法。研究与实验表明：将支持向量机与分形结合起来进行故障诊断的方法能够对滚动轴承的微弱故障进行诊断，该方法是可行的。本文链接：：上海海事大学(wflshyxy)，授权号：315df396-f7ce-40b1-9b41-9df9001b83dc下载时间：2010年9月22日