人工神經(jīng)網(wǎng)絡(luò)的工業(yè)機(jī)械故障診斷優(yōu)化方法

目前,機(jī)械故障診斷技術(shù)逐漸朝著智能化的方向發(fā)展,使用人工神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行診斷的優(yōu)勢(shì)較為明顯。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的收斂較慢,并且較為容易陷入到局部最小,所以就提出了改進(jìn)的神經(jīng)網(wǎng)絡(luò)。根據(jù)相應(yīng)的問題描述,實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)故障預(yù)測(cè)模型的改進(jìn),將機(jī)械故障作為例子,創(chuàng)建機(jī)械故障預(yù)測(cè)模型實(shí)現(xiàn)故障的預(yù)測(cè),通過(guò)對(duì)比改進(jìn)神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò),說(shuō)明此方法的有效性。

通過(guò)對(duì)已采集的通風(fēng)機(jī)振動(dòng)信號(hào)分析和整理,提出了應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行故障診斷,以g4-73-11離心式礦用通風(fēng)機(jī)為研究對(duì)象,用小波包分解技術(shù)提取其振動(dòng)信號(hào)的能量特征作為特征向量,建立了神經(jīng)網(wǎng)絡(luò)模型,并應(yīng)用此網(wǎng)絡(luò)對(duì)一礦用通風(fēng)機(jī)g4-73-11no28d進(jìn)行故障診斷,結(jié)果表明,此網(wǎng)絡(luò)可作為智能分類器對(duì)離心式通風(fēng)機(jī)的常見故障進(jìn)行識(shí)別和診斷。

通過(guò)改良三比值法處理一組電力變壓器油中溶解氣體的特征值,并將數(shù)據(jù)作為輸入訓(xùn)練神經(jīng)網(wǎng)絡(luò),調(diào)整權(quán)值和閥值,通過(guò)相互比較確定各項(xiàng)網(wǎng)絡(luò)參數(shù),將誤差控制要求范圍內(nèi).最后使用得到的概率神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行了成功的預(yù)測(cè),驗(yàn)證了將bp神經(jīng)網(wǎng)絡(luò)算法運(yùn)用于變壓器故障診斷具有十分理想的效果.

人的思維有邏輯性和直觀性兩種不同的基本方式.直觀性的思維是將分布式存儲(chǔ)的信息綜合起來(lái),結(jié)果是忽然間產(chǎn)生想法或解決問題的辦法.這種思維方式的根本之處在于以下兩點(diǎn):①信息是通過(guò)神經(jīng)元上的興奮模式分布儲(chǔ)存在網(wǎng)絡(luò)上;②信息處理是通過(guò)神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過(guò)程來(lái)完成的.人工神經(jīng)網(wǎng)絡(luò)就是一個(gè)模擬人的直觀性思維的非線性動(dòng)力學(xué)系統(tǒng),其特色在于信息的分布式儲(chǔ)存和并行協(xié)同處理.

人的思維有邏輯性和直觀性兩種不同的基本方式。直觀性的思維是將分布式存儲(chǔ)的信息綜合起來(lái),結(jié)果是忽然間產(chǎn)生想法或解決問題的辦法。這種思維方式的根本之處在于以下兩點(diǎn):①信息是通過(guò)神經(jīng)元上的興奮模式分布儲(chǔ)存在網(wǎng)絡(luò)上;②信息處理是通過(guò)神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過(guò)程來(lái)完成的。人工神經(jīng)網(wǎng)絡(luò)就是一個(gè)模擬人的直觀性思維的非線性動(dòng)力學(xué)系統(tǒng),其特色在于信息的分布式儲(chǔ)存和并行協(xié)同處理。

通過(guò)改良三比值法處理一組電力變壓器油中溶解氣體的特征值,并將數(shù)據(jù)作為輸入訓(xùn)練神經(jīng)網(wǎng)絡(luò),調(diào)整權(quán)值和閥值,通過(guò)相互比較確定各項(xiàng)網(wǎng)絡(luò)參數(shù),將誤差控制要求范圍內(nèi).最后使用得到的概率神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行了成功的預(yù)測(cè),驗(yàn)證了將bp神經(jīng)網(wǎng)絡(luò)算法運(yùn)用于變壓器故障診斷具有十分理想的效果.

隨著生產(chǎn)的發(fā)展,水泵等旋轉(zhuǎn)機(jī)械故障診斷技術(shù)的重要性越來(lái)越受到人們的重視。傳統(tǒng)的診斷技術(shù)和理論方法對(duì)于具有多故障、多過(guò)程和突發(fā)性故障的現(xiàn)代化機(jī)械設(shè)備往往顯示出較大的局限性,從而使機(jī)械故障診斷陷入了某些困境。為了克服這些缺點(diǎn),就人工神經(jīng)網(wǎng)絡(luò)理論在水泵故障診斷技術(shù)中的應(yīng)用進(jìn)行了系統(tǒng)而深入地研究。

本文首先介紹了人工神經(jīng)網(wǎng)絡(luò)的基本原理,然后詳細(xì)介紹了反向傳播算法(bp),最后研究bp算法在空調(diào)系統(tǒng)故障診斷方面的應(yīng)用

通過(guò)改良三比值法處理一組電力變壓器油中溶解氣體的特征值,并將數(shù)據(jù)作為輸入訓(xùn)練神經(jīng)網(wǎng)絡(luò),調(diào)整權(quán)值和閥值,通過(guò)相互比較確定各項(xiàng)網(wǎng)絡(luò)參數(shù),將誤差控制要求范圍內(nèi).最后使用得到的概率神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行了成功的預(yù)測(cè),驗(yàn)證了將bp神經(jīng)網(wǎng)絡(luò)算法運(yùn)用于變壓器故障診斷具有十分理想的效果.

噪聲是影響家用空調(diào)器質(zhì)量的一個(gè)重要因素,提出了一種用bp神經(jīng)網(wǎng)絡(luò)識(shí)別空調(diào)器噪聲源的方法.利用聲學(xué)分析儀對(duì)空調(diào)器的噪聲信號(hào)做頻譜分析,提取噪聲信號(hào)的頻譜特征構(gòu)造模式特征量,設(shè)計(jì)一個(gè)三層bp神經(jīng)網(wǎng)絡(luò)經(jīng)學(xué)習(xí)訓(xùn)練后進(jìn)行空調(diào)器的噪聲源識(shí)別,為空調(diào)器的噪聲故障診斷及其減振降噪提供指導(dǎo).

針對(duì)空調(diào)系統(tǒng)中的不同故障,分析了空調(diào)箱的故障特性,并討論了不同故障對(duì)空調(diào)系統(tǒng)能耗及熱舒適性的影響.仿真試驗(yàn)結(jié)果表明,送風(fēng)溫度的測(cè)量故障會(huì)導(dǎo)致系統(tǒng)能耗的增加.根據(jù)故障特性,提出了一種基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理方法,用以檢測(cè)和診斷空調(diào)箱中的傳感器故障.該方法首先選取歷史數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行狀態(tài)的識(shí)別和預(yù)測(cè).然后,通過(guò)比較測(cè)量值與預(yù)測(cè)值,計(jì)算出相對(duì)誤差,實(shí)現(xiàn)對(duì)故障的診斷.最后,利用基于trnsys的仿真器,對(duì)神經(jīng)網(wǎng)絡(luò)的故障診斷策略進(jìn)行了驗(yàn)證.結(jié)果表明,神經(jīng)網(wǎng)絡(luò)可以有效診斷空調(diào)系統(tǒng)中的溫度、流量和壓力傳感器故障.

對(duì)人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及基本原理作了簡(jiǎn)要介紹,重點(diǎn)介紹了橋梁損傷智能診斷中常用的bp神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)及其國(guó)內(nèi)外的主要研究成果,指出了bp神經(jīng)網(wǎng)絡(luò)的一些缺陷并提出了相應(yīng)的改進(jìn)方法,最終對(duì)人工神經(jīng)網(wǎng)絡(luò)在橋梁損傷智能診斷發(fā)展應(yīng)用作了展望。

針對(duì)工業(yè)控制系統(tǒng)入侵檢測(cè)模型對(duì)各類攻擊的檢測(cè)率和檢測(cè)效率不高的問題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)模型.首先利用主成分分析法對(duì)原始數(shù)據(jù)集進(jìn)行預(yù)處理,消除其相關(guān)性；其次利用adaboost算法對(duì)訓(xùn)練樣本的權(quán)重進(jìn)行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值；最后再通過(guò)adaboost算法將bp弱分類器組合成bp強(qiáng)分類器,從而實(shí)現(xiàn)工業(yè)控制系統(tǒng)的異常檢測(cè).實(shí)驗(yàn)結(jié)果表明該方法在對(duì)各攻擊類型的檢測(cè)率和測(cè)試時(shí)間明顯優(yōu)于其他算法模型.

介紹了模糊神經(jīng)網(wǎng)絡(luò)方法的基本概念和結(jié)構(gòu),就將模糊神經(jīng)網(wǎng)絡(luò)引入空調(diào)系統(tǒng)故障診斷系統(tǒng)作了較為系統(tǒng)的闡述。

文章以熱泵機(jī)組為研究對(duì)象,從實(shí)驗(yàn)測(cè)試的角度建立故障-征兆模型。采用bp神經(jīng)網(wǎng)絡(luò)對(duì)熱泵機(jī)組進(jìn)行故障診斷并利用matlab仿真,仿真結(jié)果表明基于bp神經(jīng)網(wǎng)絡(luò)的熱泵機(jī)組故障診斷實(shí)現(xiàn)簡(jiǎn)單且效果較好。

故障診斷技術(shù) 摘要:隨著我國(guó)科技的發(fā)展,我國(guó)工業(yè)逐步向生產(chǎn)設(shè)備大型化、復(fù)雜 化、智能化、高速化和自動(dòng)化方向發(fā)展，設(shè)備的復(fù)雜程度日益提高， 設(shè)備的維修技術(shù)也在廣泛的發(fā)展那與進(jìn)步，相比那些傳統(tǒng)的故障診斷 技術(shù)難以滿足復(fù)雜系統(tǒng)的故障診斷要求，因此智能故障診斷技術(shù)也得 到更廣泛的應(yīng)用。并且設(shè)備的診斷技術(shù)也得到了更廣泛的發(fā)展，如何 把維修的成本降到最低，經(jīng)濟(jì)綜合效益得到提高，故障診斷技術(shù)也越 來(lái)越重要。 關(guān)鍵詞:工程機(jī)械;故障診斷;發(fā)展趨勢(shì) 引言 機(jī)械故障診斷技術(shù)作為一門新興的科學(xué)，自二十世紀(jì)六七十年代以來(lái) 已經(jīng)取得了突飛猛進(jìn)的發(fā)展，尤其是計(jì)算機(jī)技術(shù)的應(yīng)用，使其達(dá)到了 智能化階段，現(xiàn)在，機(jī)械故障診斷技術(shù)在工業(yè)生產(chǎn)中起著越來(lái)越重要 的作用，生產(chǎn)實(shí)踐已經(jīng)證明開展故障診斷與狀態(tài)預(yù)測(cè)技術(shù)研究其重要 的現(xiàn)實(shí)意義。故障診斷技術(shù)雖然很難，但經(jīng)過(guò)二十年的努力，我國(guó)自 己開發(fā)的故障

企業(yè)在實(shí)際發(fā)展的過(guò)程中,機(jī)械設(shè)備作為原生的發(fā)展動(dòng)力,對(duì)于自身的長(zhǎng)期健康發(fā)展具有非常重要的影響。而落實(shí)到機(jī)械故障診斷方法研究中來(lái),可以充分利用故障數(shù)據(jù)樣本來(lái)對(duì)其診斷發(fā)展過(guò)程中出現(xiàn)的一些問題進(jìn)行有效的把握,充分分析支持向量機(jī)的機(jī)械故障診斷方法的實(shí)質(zhì)性內(nèi)容,更好的加強(qiáng)分類故障的有效排除,并且提升診斷方法應(yīng)用的有效性水平。因此,本文在研究的過(guò)程中,主要從支持向量機(jī)的相關(guān)原理出發(fā),在對(duì)基本內(nèi)容進(jìn)行系統(tǒng)分析的同時(shí),積極探索多故障分類器的相關(guān)建立與測(cè)試,從而更好的把握后續(xù)內(nèi)容,推動(dòng)我國(guó)社會(huì)經(jīng)濟(jì)的不斷繁榮與進(jìn)步。

結(jié)構(gòu)面分組是進(jìn)行巖體結(jié)構(gòu)面模擬的重要環(huán)節(jié),將人工神經(jīng)網(wǎng)絡(luò)技術(shù)運(yùn)用于結(jié)構(gòu)面的分組中,是一種新的嘗試。介紹了運(yùn)用sofm神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)面分組的方法,并結(jié)合工程實(shí)例,對(duì)其應(yīng)用效果進(jìn)行了探討,指出運(yùn)用該法雖能達(dá)到對(duì)結(jié)構(gòu)面進(jìn)行智能分組的效果,但最后仍需對(duì)結(jié)果進(jìn)行人工判斷,特別是對(duì)高傾角的分組效果不理想,有待進(jìn)一步改進(jìn)完善。

對(duì)空調(diào)系統(tǒng)中的溫度、壓力、流量傳感器的漂移故障,提出了一種基于小波神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷方法。該方法首先采用小波分析方法對(duì)歷史故障數(shù)據(jù)和正常數(shù)據(jù)進(jìn)行分析,從而提取數(shù)據(jù)的頻帶特征,通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)這些特征進(jìn)行學(xué)習(xí),使神經(jīng)網(wǎng)絡(luò)分析能夠?qū)Υ\斷數(shù)據(jù)的進(jìn)行故障診斷。仿真實(shí)驗(yàn)的結(jié)果表明,該方法對(duì)傳感器的漂移故障能夠?qū)崿F(xiàn)有效地診斷。

為有效gis設(shè)備放電故障診斷的快速性和準(zhǔn)確性,采用近幾年出現(xiàn)的遺傳算法對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,減少了bp神經(jīng)網(wǎng)絡(luò)算法陷入局部最優(yōu)解的風(fēng)險(xiǎn),顯著增強(qiáng)了bp神經(jīng)網(wǎng)絡(luò)的泛化能力和全局尋優(yōu)能力。對(duì)比發(fā)現(xiàn),遺傳算法優(yōu)化后的bp神經(jīng)網(wǎng)絡(luò)模型具有比較好的快速性和準(zhǔn)確的診斷能力。測(cè)試結(jié)果表明,遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)對(duì)gis設(shè)備放電故障診斷具有可行性和有效性。

人工神經(jīng)網(wǎng)絡(luò)方法在基坑變形預(yù)測(cè)中的應(yīng)用研究——分析研究了人工神經(jīng)網(wǎng)絡(luò)方法在基坑變形預(yù)測(cè)中的建模方法，并通過(guò)實(shí)例應(yīng)用，證明這種方法是切實(shí)可行的。同時(shí)將人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)結(jié)果和灰色系統(tǒng)模型及時(shí)序模型預(yù)測(cè)進(jìn)行比較，充分證明人工神經(jīng)網(wǎng)絡(luò)方法在變形預(yù)...

基于補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷研究——選擇反映制冷系統(tǒng)故障狀態(tài)的熱力參數(shù)集組成特征向量，并對(duì)其進(jìn)行模糊化處理，利用補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)建立故障狀態(tài)與熱力參數(shù)特征向量之間的映射關(guān)系。將神經(jīng)網(wǎng)絡(luò)和補(bǔ)償模糊邏輯相結(jié)合，采用動(dòng)態(tài)、全局優(yōu)化的運(yùn)算，...