本文關鍵詞：模糊神經(jīng)網(wǎng)絡在采煤機故障診斷中的應用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學技術的飛速發(fā)展,機械設備的自動化程度越來越高,工程設備也越來越復雜,工程設備工作的可靠性和安全性也逐步受到人們的關注。然而,運用傳統(tǒng)的診斷方法,大型復雜設備無法對機械故障作出實時準確地診斷。這就需要采用故障診斷的智能方法和理論。 煤礦安全是煤炭資源發(fā)展的基本保證。由于煤礦事故不斷發(fā)生,怎樣提高煤礦的安全性和減少事故的發(fā)生是目前人們關注的主要問題。采煤機的故障診斷逐漸受到人們的關注和重視。怎樣保證采煤機的正常工作和實時了解采煤機的工作狀態(tài)是目前需要解決的主要問題。 模糊邏輯系統(tǒng)被運用到采煤機故障診斷系統(tǒng)中,這是煤礦業(yè)發(fā)展的重大進步。本文論述了模糊邏輯系統(tǒng),詳細闡述了模糊邏輯系統(tǒng)的的基本結(jié)構(gòu)。并且對神經(jīng)網(wǎng)絡的概念、內(nèi)容、方法分別進行了詳細介紹。而且分析了神經(jīng)網(wǎng)絡向智能發(fā)展的趨勢。此外,由于傳統(tǒng)的梯度算法學習速度慢和泛化性能差,本文采用一種新的學習方法—ELM算法,它彌補了梯度算法的不足,能夠任意選擇輸入權(quán)值和閾值提高了學習速度和泛化性。 對模糊邏輯系統(tǒng)和神經(jīng)網(wǎng)絡進行比較,當兩種方法相互融合,不僅能提高模糊邏輯系統(tǒng)自適應性,而且加強了神經(jīng)網(wǎng)絡的可觀測性和改善了神經(jīng)網(wǎng)絡的全局性。 通過建立模糊神經(jīng)網(wǎng)絡的模型,及分析采煤機的樣本故障,根據(jù)實時的故障數(shù)據(jù)對該模型進行了驗證,證明系統(tǒng)模型是有效、可行的。 對采煤機故障診斷智能系統(tǒng)的設計和方法分析和論述。闡述了系統(tǒng)整體結(jié)構(gòu)、每個模塊的組成和數(shù)據(jù)的傳輸,介紹了該系統(tǒng)的軟件和硬件如何實現(xiàn)的,對故障的診斷進行仿真和實時演示。
【關鍵詞】：故障診斷 采煤機 模糊神經(jīng)網(wǎng)絡 整體結(jié)構(gòu)
【學位授予單位】：河北工程大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TD421.6;TH165.3
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-14
• 1.1 課題研究的背景與意義10
• 1.2 智能故障診斷的概述10-12
• 1.3 采煤機故障診斷技術的發(fā)展現(xiàn)狀12-13
• 1.4 本文的主要工作13-14
• 第2章 模糊邏輯系統(tǒng)14-20
• 2.1 引言14
• 2.2 模糊邏輯系統(tǒng)基本結(jié)構(gòu)14-18
• 2.2.1 模糊控制規(guī)則15-17
• 2.2.2 隸屬函數(shù)17-18
• 2.2.3 反模糊化18
• 2.3 本章總結(jié)18-20
• 第3章 神經(jīng)網(wǎng)絡20-34
• 3.1 概述20-22
• 3.2 神經(jīng)網(wǎng)絡的研究歷史22-26
• 3.3 神經(jīng)網(wǎng)絡的內(nèi)容26-30
• 3.4 神經(jīng)網(wǎng)絡的方法30-32
• 3.4.1 SLFNs的逼近問題30
• 3.4.2 關于梯度的算法30-31
• 3.4.3 SLFNs的最小范數(shù)最小二乘解31-32
• 3.5 本章總結(jié)32-34
• 第4章 模糊神經(jīng)網(wǎng)絡34-54
• 4.1 概述34-36
• 4.2 算術模糊神經(jīng)網(wǎng)絡36-37
• 4.3 模糊邏輯37-38
• 4.4 模糊聯(lián)想記憶38-40
• 4.5 神經(jīng)模糊推理系統(tǒng)40-44
• 4.6 神經(jīng)網(wǎng)絡近似邏輯44-45
• 4.7 模糊神經(jīng)網(wǎng)絡算法的網(wǎng)絡結(jié)構(gòu)45
• 4.8 智能化故障診斷的內(nèi)容45-46
• 4.9 學習樣本的組織46-50
• 4.10 模糊神經(jīng)網(wǎng)絡的訓練和仿真50-53
• 4.11 本章總結(jié)53-54
• 第5章 采煤機的故障診斷系統(tǒng)的設計54-67
• 5.1 系統(tǒng)的整體結(jié)構(gòu)54-55
• 5.2 數(shù)據(jù)采集模塊55-57
• 5.2.1 數(shù)據(jù)采集模塊的硬件設計55-56
• 5.2.2 數(shù)據(jù)采集模塊的軟件設計56-57
• 5.3 CAN總線與上位機的通訊57-62
• 5.3.1 CAN總線的特性57-58
• 5.3.2 CANopen工作方式58-61
• 5.3.3 傳輸接口61-62
• 5.3.4 CAN總線與上位機的通訊軟件的實現(xiàn)62
• 5.4 上位機軟件的開發(fā)62-66
• 5.4.1 開發(fā)工具的選擇62
• 5.4.2 軟件功能設計62-63
• 5.4.3 數(shù)據(jù)庫設計63-65
• 5.4.4 系統(tǒng)運行實例65-66
• 5.5 本章總結(jié)66-67
• 第6章 結(jié)束語67-69
• 6.1 論文總結(jié)67
• 6.2 不足與建議67-69
• 致謝69-70
• 參考文獻70-77
• 作者簡介及科研成果77

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;Research on a Vibrating Mill Control System Based on a Fuzzy Neural Network[J];International Journal of Plant Engineering and Management;2010年03期

2 蘇欣平;任武;周鑫;王愛榮;解亞;;基于模糊神經(jīng)網(wǎng)絡的鉛酸蓄電池組管理系統(tǒng)[J];中國工程機械學報;2012年03期

3 尤樹華;周誼成;王輝;;基于神經(jīng)網(wǎng)絡的強化學習研究概述[J];電腦知識與技術;2012年28期

4 何英;王貴君;;折線模糊神經(jīng)網(wǎng)絡的共軛梯度算法[J];電子學報;2012年10期

5 吳正龍;趙忠實;;基于自適應模糊神經(jīng)網(wǎng)絡系統(tǒng)的射擊毀傷評估模型研究[J];兵工學報;2012年11期

6 楊文光;高艷輝;王清;;模糊前向神經(jīng)網(wǎng)絡在瓦斯涌出量預測中的應用[J];安徽大學學報(自然科學版);2013年06期

7 謝傳勝;趙晨晨;;基于模糊神經(jīng)網(wǎng)絡的燃氣發(fā)電風險評價研究[J];科技創(chuàng)新與應用;2013年32期

8 羅小剛;劉靜靜;侯長軍;霍丹群;法煥寶;楊眉;;彩色可視傳感陣列基元匹配快速定量算法[J];重慶大學學報;2013年10期

9 季文娟;顧永松;馮樂;;基于模糊神經(jīng)網(wǎng)絡的建筑能耗評估模型研究[J];建筑節(jié)能;2013年11期

10 張貫宇;田建艷;張維杰;邱華東;張嬋愛;;基于模糊神經(jīng)網(wǎng)絡參數(shù)整定的仿人智能控制[J];傳感器與微系統(tǒng);2013年10期

  本文關鍵詞：模糊神經(jīng)網(wǎng)絡在采煤機故障診斷中的應用，由筆耕文化傳播整理發(fā)布。

，

本文編號：326402