汽輪發(fā)電機(jī)組的振動(dòng)過大將直接威脅著機(jī)組的安全運(yùn)行,長時(shí)間的振動(dòng)還會(huì)造成地基及周圍建筑物的損壞;振動(dòng)所產(chǎn)生的噪聲對操作人員的生理及精神狀況也十分有害。而軸承的故障則會(huì)加速汽輪發(fā)電機(jī)組的振動(dòng),因此對氣輪發(fā)電機(jī)組的軸承進(jìn)行故障診斷是必要的。小波變換具有多分辨率特性和時(shí)頻局部化特性,特別適合于對非平穩(wěn)信號(hào)的分析;而模糊LMBP神經(jīng)網(wǎng)絡(luò)不僅具有神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線性映射能力,還具有模糊邏輯刻畫分類邊界模糊性的優(yōu)勢。本論文首先使用小波分析對故障信號(hào)進(jìn)行特征提取,然后把提取的特征向量作為模糊神經(jīng)網(wǎng)絡(luò)的輸入——形成所謂的小波模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。本論文利用MATLAB進(jìn)行仿真,借助由模擬汽輪機(jī)振動(dòng)的振動(dòng)試驗(yàn)臺(tái)上所得的軸承故障數(shù)據(jù),使用提出的小波模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷,從而證明了該故障診斷系統(tǒng)可以極大地提高診斷系統(tǒng)的適應(yīng)能力。本研究主要分成以下兩個(gè)部分:1.軸承故障信號(hào)的特征提取采用小波分析對故障信號(hào)進(jìn)行特征提取。主要利用小波變換的多分辨率特性和時(shí)頻局部化特性,對原始故障信號(hào)進(jìn)行小波分解,選取分解后每層最能代表原始故障信號(hào)細(xì)貌的高頻系數(shù)的第一個(gè)數(shù)組成特征向量,作為神經(jīng)網(wǎng)絡(luò)的輸入。2.軸承故障信號(hào)的模式識(shí)... 

【文章來源】：西華大學(xué)四川省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1. 前言
    1.1 軸承故障診斷的研究背景和必要性
    1.2 基于小波分析的軸承故障診斷研究現(xiàn)狀
    1.3 基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷的研究現(xiàn)狀
    1.4 基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷的研究現(xiàn)狀
    1.5 本文所做的主要工作
2. 小波分析在軸承故障診斷中的應(yīng)用
    2.1 從傅立葉變換到小波變換
    2.2 連續(xù)小波變換
    2.3 離散小波變換
    2.4 多分辨率分析
    2.5 馬拉(Mallat)算法
    2.6 故障特征提取方法
    2.7 仿真實(shí)例
    2.8 本章小結(jié)
3. 人工神經(jīng)網(wǎng)絡(luò)在軸承故障診斷中的應(yīng)用
    3.1 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及故障診斷能力
    3.2 人工神經(jīng)元的基本模型
    3.3 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
    3.4 BP算法的不足及其改進(jìn)
    3.5 基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷
    3.6 本章小結(jié)
4. 小波神經(jīng)網(wǎng)絡(luò)在軸承故障診斷中的應(yīng)用
    4.1 小波神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和發(fā)展
    4.2 小波分析和神經(jīng)網(wǎng)絡(luò)的結(jié)合點(diǎn)
    4.3 基于小波神經(jīng)網(wǎng)絡(luò)的故障診斷方法
5. 模糊神經(jīng)網(wǎng)絡(luò)在軸承故障診斷中的應(yīng)用
    5.1 模糊集理論
    5.2 棋糊推理與神經(jīng)網(wǎng)絡(luò)系統(tǒng)的關(guān)系
    5.3 模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展
    5.4 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的結(jié)合
    5.5 串聯(lián)型模糊神經(jīng)網(wǎng)絡(luò)
    5.6 基于小波模糊神經(jīng)網(wǎng)絡(luò)的故障診斷
6. 結(jié)論與展望
    6.1 本文內(nèi)容
    6.2 后繼工作及展望
7. 參考文獻(xiàn)
8. 作者在校期間科研成果簡介
10. 致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于模糊神經(jīng)網(wǎng)絡(luò)的凝汽器故障診斷及其性能監(jiān)測[J]. 滕丕忠,張聘,陳榮生,陳群,石永恒,禹寶寧,楊亞平.  電力自動(dòng)化設(shè)備. 2007(01)
[2]基于Elman神經(jīng)網(wǎng)絡(luò)的汽油機(jī)過渡工況空燃比多步預(yù)測模型[J]. 侯志祥,申群太,吳義虎,周育才.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(05)
[3]機(jī)組振動(dòng)的危害、振動(dòng)的標(biāo)準(zhǔn)及原因分析[J]. 張利平.  內(nèi)蒙古科技與經(jīng)濟(jì). 2006(15)
[4]基于小波神經(jīng)網(wǎng)絡(luò)的電機(jī)聲頻故障診斷系統(tǒng)[J]. 谷愛昱,莫慧芳,張敬春.  自動(dòng)化與儀表. 2006(03)
[5]基于小波—神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷方法的研究[J]. 謝宏,何怡剛,吳杰.  儀器儀表學(xué)報(bào). 2004(05)
[6]基于級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法[J]. 金海峰,熊信艮,吳耀武.  電網(wǎng)技術(shù). 2002(03)
[7]基于切削力信號(hào)時(shí)域頻域特征融合的刀具磨損監(jiān)測[J]. 鄭建明,李言,李鵬陽,洪偉,肖繼明,袁啟龍.  機(jī)械與電子. 2001(03)
[8]機(jī)械監(jiān)測診斷中的小波應(yīng)用技術(shù)[J]. 何正嘉.  設(shè)備管理&維修. 1998(08)
[9]故障振動(dòng)信號(hào)的小波包分解與診斷[J]. 胡子谷,宓為建,石來德.  振動(dòng)與沖擊. 1998(02)
[10]模糊神經(jīng)網(wǎng)絡(luò)理論研究綜述[J]. 劉普寅,張漢江,吳孟達(dá),成禮智,汪浩.  模糊系統(tǒng)與數(shù)學(xué). 1998(01)

碩士論文
[1]嵌入式軸承故障診斷算法的研究[D]. 唐秋杭.浙江大學(xué) 2006
[2]小波神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[D]. 鄭小洋.重慶大學(xué) 2003



本文編號(hào)：3626921