發(fā)布時間：2017-04-03 19:03

  本文關(guān)鍵詞：基于分形技術(shù)與概率神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)社會的高速發(fā)展，制造業(yè)發(fā)展迅猛，柴油機(jī)的故障診斷技術(shù)迅速發(fā)展，有效降低了設(shè)備故障發(fā)生的頻率，提高了經(jīng)濟(jì)效率。本文在前人的研究基礎(chǔ)下，綜合課題的需要和要求，通過提取振動信號為信號源，研究了柴油機(jī)發(fā)動機(jī)故障特征，，提出了分形技術(shù)和概率神經(jīng)網(wǎng)絡(luò)結(jié)合分析柴油發(fā)動機(jī)的故障特征的研究方法。 本文以柴油發(fā)動機(jī)為研究對象，首先給出了機(jī)械故障診斷的意義和研究現(xiàn)狀，以及分形理論和神經(jīng)網(wǎng)絡(luò)應(yīng)用的意義。介紹了小波理論的研究意義，詳細(xì)分析了小波和小波包降噪的過程，研究采用小波包降噪的方法來獲取實驗需要的信號，并對比驗證了在信號獲取特征值過程中小波包降噪效果更好。 其次，介紹了分形理論測度方法，分形技術(shù)的提出使非線性信號的分析變得更加簡單，重點研究了關(guān)聯(lián)維數(shù)，采用經(jīng)過改進(jìn)的G-P關(guān)聯(lián)算法，研究了延遲時間、無標(biāo)度區(qū)間的選擇方法。關(guān)聯(lián)維數(shù)作為特征值的直觀表現(xiàn)，能很好的反映非線性信號的特點，通過提取關(guān)聯(lián)維數(shù)來判斷故障特征。 最后，詳細(xì)分析了BP神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)（PNN）的特點，比較了BP神經(jīng)網(wǎng)絡(luò)的不足，運用了概率神經(jīng)網(wǎng)絡(luò)的故障診斷方法，對樣本進(jìn)行訓(xùn)練精確分類故障。說明了神經(jīng)網(wǎng)絡(luò)作為故障識別的一種有效手段，建立樣本訓(xùn)練庫，更便于故障的分類。為了對故障進(jìn)行分類判別，運用了分形技術(shù)與概率神經(jīng)網(wǎng)絡(luò)相結(jié)合的柴油機(jī)故障診斷研究方法，通過數(shù)據(jù)分析判斷，驗證了方法的可行性。
【關(guān)鍵詞】：柴油機(jī) 小波包降噪 故障診斷 分形技術(shù) 概率神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TK428;TH165.3
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-11
• 第一章 緒論11-21
• 1.1 課題研究背景和意義11-12
• 1.1.1 課題研究的背景11-12
• 1.1.2 開展柴油機(jī)發(fā)動機(jī)故障診斷技術(shù)的主要意義12
• 1.2 研究內(nèi)容及國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1.1 國外的故障診斷發(fā)展現(xiàn)狀12-13
• 1.2.1.2 我國故障診斷技術(shù)的發(fā)展概況13-15
• 1.3 機(jī)械故障診斷技術(shù)的發(fā)展趨勢15-16
• 1.4 分形理論概況16-19
• 1.4.1 分形理論的發(fā)展16-17
• 1.4.2 分形理論的應(yīng)用17-19
• 1.5 本文研究內(nèi)容19-21
• 第二章 小波理論及其在故障診斷中的應(yīng)用21-40
• 2.1 小波理論及其應(yīng)用21-29
• 2.1.1 連續(xù)小波變換的定義及數(shù)字實現(xiàn)21-25
• 2.1.1.1 連續(xù)小波變換的定義21-23
• 2.1.1.2 連續(xù)小波變換23-24
• 2.1.1.3 離散小波變換24-25
• 2.1.2 一維瑪拉特算法25-29
• 2.2 小波去噪模型的建立及應(yīng)用29-32
• 2.2.1 小波去噪模型的建立29-31
• 2.2.2 小波去噪模型的應(yīng)用31-32
• 2.3 小波包理論在機(jī)械故障診斷中的應(yīng)用32-37
• 2.3.1 小波包理論32-37
• 2.3.2 小波包濾波37
• 2.4 小波降噪與小波包降噪效果對比37-39
• 2.5 本章小結(jié)39-40
• 第三章 分形理論40-49
• 3.1 引言40
• 3.2 分形維數(shù)及其測量方法40-48
• 3.2.0 長度測量及其維數(shù)定義40-42
• 3.2.1 盒維數(shù)42-43
• 3.2.2 信息維數(shù)43
• 3.2.3 關(guān)聯(lián)維數(shù)43-48
• 3.2.3.1 G-P 關(guān)聯(lián)維數(shù)算法44-45
• 3.2.3.2 時間延遲的選擇45-46
• 3.2.3.3 確定無標(biāo)度區(qū)間46-48
• 3.3 本章小結(jié)48-49
• 第四章 分形理論在柴油機(jī)故障診斷中的研究49-63
• 4.1 引言49
• 4.2 柴油機(jī)的介紹及故障設(shè)置49-52
• 4.2.1 柴油機(jī)工作原理49-50
• 4.2.2 柴油機(jī)實驗測量診斷故障類型的選取50-51
• 4.2.3 柴油機(jī)實驗測點設(shè)置51-52
• 4.2.4 柴油機(jī)故障診斷信號獲取52
• 4.3 關(guān)聯(lián)維數(shù)在柴油機(jī)振動信號中應(yīng)用52-62
• 4.3.1 關(guān)聯(lián)維數(shù)的應(yīng)用52-55
• 4.3.2 關(guān)聯(lián)維數(shù)在柴油機(jī)故障診斷中的應(yīng)用55-62
• 4.3.2.1 各種工況下信號波形以及關(guān)聯(lián)維數(shù)對比55-62
• 4.5 本章小結(jié)62-63
• 第五章 基于概率神經(jīng)網(wǎng)絡(luò)技術(shù)的柴油機(jī)故障診斷研究63-78
• 5.1 前言63
• 5.2 BP 神經(jīng)網(wǎng)絡(luò)63-65
• 5.2.1 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和原理63-65
• 5.2.2 BP 神經(jīng)網(wǎng)絡(luò)的局限性65
• 5.3 PNN 神經(jīng)網(wǎng)絡(luò)的引入65-69
• 5.3.1 PNN 神經(jīng)網(wǎng)絡(luò)的原理及結(jié)構(gòu)特點66-69
• 5.3.1.1 PNN 神經(jīng)網(wǎng)絡(luò)原理66-67
• 5.3.1.2 PNN 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)67-69
• 5.3.1.3 PNN 神經(jīng)網(wǎng)絡(luò)的優(yōu)點69
• 5.4 基于 PNN 神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷69-77
• 5.4.1 問題背景69-71
• 5.4.1.1 特征值得選擇70
• 5.4.1.2 分類器設(shè)計70-71
• 5.4.2 PNN 神經(jīng)網(wǎng)絡(luò)的建模71-72
• 5.4.3 柴油機(jī)的 PNN 神經(jīng)網(wǎng)絡(luò)故障診斷實現(xiàn)72-77
• 5.5 本章小結(jié)77-78
• 第六章 總結(jié)與展望78-80
• 6.1 本文總結(jié)78
• 6.2 工作展望78-80
• 參考文獻(xiàn)80-85
• 攻讀碩士學(xué)位期間發(fā)表的論文85-86
• 致謝86-87

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 金衛(wèi)同;劉東升;李韜;;基于關(guān)聯(lián)維數(shù)G-P算法的齒輪故障診斷[J];兵工自動化;2008年05期

2 劉東升;金衛(wèi)同;米雙山;李韜;;小波分形技術(shù)在齒輪故障診斷中的應(yīng)用[J];兵工自動化;2008年12期

3 廖明，石博強(qiáng)，張文明，馮雅麗;分形在柴油機(jī)燃油系故障診斷中的應(yīng)用[J];北京科技大學(xué)學(xué)報;1998年05期

4 陳軍堂;廖世勇;甘劍鋒;王希偉;朱禮杰;米林;;分形維數(shù)在基于噪聲的發(fā)動機(jī)故障診斷中的應(yīng)用[J];車用發(fā)動機(jī);2011年05期

5 張朝暉,黃惟一;振動波形的分形判別及特征提取[J];東南大學(xué)學(xué)報;1999年04期

6 付華;尹麗娜;汪琦;;基于小波和概率神經(jīng)網(wǎng)絡(luò)的煤礦主通風(fēng)機(jī)故障診斷[J];電氣技術(shù);2007年04期

7 耿紀(jì)洲;程廣濤;王成愷;;基于小波分形技術(shù)提取發(fā)動機(jī)曲軸軸承故障特征[J];工業(yè)儀表與自動化裝置;2013年04期

8 李曉磊;劉建敏;喬新勇;李曉偉;張杰;;柴油機(jī)活塞敲擊及其振動響應(yīng)機(jī)理研究[J];車用發(fā)動機(jī);2014年01期

9 劉占生,劉成敏,劉樹春,范顯峰,唐炳照;小波分析和分形幾何在轉(zhuǎn)子動靜碰摩故障診斷中的應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報;1999年01期

10 姬東朝;宋筆鋒;易華輝;;基于概率神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷及仿真分析[J];火力與指揮控制;2009年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 杜必強(qiáng);振動故障遠(yuǎn)程診斷中的分形壓縮及分形診斷技術(shù)研究[D];華北電力大學(xué)（河北）;2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王秋勤;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障診斷研究[D];西南林業(yè)大學(xué);2010年

2 唐娟;柴油機(jī)振動信號特征參數(shù)提取方法及缸內(nèi)壓力信號重構(gòu)方法的研究[D];山東大學(xué);2007年

3 郭鋼祥;基于局域均值分解和神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究[D];中北大學(xué);2013年

  本文關(guān)鍵詞：基于分形技術(shù)與概率神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷，由筆耕文化傳播整理發(fā)布。

本文編號：284800