本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)軸流風(fēng)機的故障診斷研究

  更多相關(guān)文章： 風(fēng)機 特征值提取 故障診斷 神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著我國地鐵軌道交通的大量建設(shè)并投入運行,地下空間內(nèi)的通風(fēng)就需要依靠風(fēng)機來進行,由于風(fēng)機大部分是建設(shè)在地下的密閉空間內(nèi)條件的限制,需要保證地下空間的通風(fēng)換氣而長期運行,所以地鐵風(fēng)機承擔(dān)了內(nèi)部空間與外部空間幾乎所有通風(fēng)的工作,在整個地鐵環(huán)控系統(tǒng)扮演的角色最為關(guān)鍵。本文對軸流風(fēng)機的國內(nèi)外研究現(xiàn)狀進行了詳細的闡述,并分析了常見故障的故障機理和振動特性,然后對軸流風(fēng)機中包含的故障振動信號,有試驗?zāi)M進行了時域分析和頻域分析從而上升到FFT(傅里葉變換)及Hilbert(包絡(luò)分析)理論分析。時域和頻域在FFT中都具有表示故障信號局部特征的能力,在非平穩(wěn)振動信號的分析下,高頻部分具有相對比較高的時間分辨率和比較低的頻率分辨率,在低頻部分有較高的頻率分辨率。從而可以得出,傅里葉變換對于非平穩(wěn)的振動信號具有很大的優(yōu)勢。再利用傅里葉變換對采集到的故障信號進行特征值的提取,把提取到的特征值作為訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的故障樣本值。并進一步介紹了神經(jīng)網(wǎng)絡(luò)的基本特征理論功能,對常見的幾種神經(jīng)網(wǎng)絡(luò)的診斷性能進行了對比。最后確定了用BP神經(jīng)網(wǎng)絡(luò)模型作為故障診斷系統(tǒng)的基礎(chǔ)。根據(jù)本文所做研究,為解決風(fēng)機中在故障前期的故障征兆。設(shè)計出一套利用MATLAB及VisualC#技術(shù)為開發(fā)平臺,基于神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)的故障診斷系統(tǒng)。
【關(guān)鍵詞】：風(fēng)機 特征值提取 故障診斷 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U231.5;TP183
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-15
• 1.1 課題的背景9-10
• 1.2 課題的意義10
• 1.3 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢10-12
• 1.3.1 國外研究現(xiàn)狀10-11
• 1.3.2 國內(nèi)研究現(xiàn)狀11-12
• 1.3.3 課題的發(fā)展趨勢12
• 1.4 本文的主要研究內(nèi)容及解決的問題12-15
• 1.4.2 解決的關(guān)鍵問題13-15
• 第二章 軸流風(fēng)機的振動特性及故障機理15-24
• 2.1 軸流風(fēng)機的基本結(jié)構(gòu)、工作原理及用途15-16
• 2.1.1 軸流風(fēng)機的基本結(jié)構(gòu)及工作原理15
• 2.1.2 軸流風(fēng)機的用途15-16
• 2.2 軸流風(fēng)機振動原理分析16
• 2.3 常見的故障信號的振動特征和故障模式的原因16-18
• 2.3.1 轉(zhuǎn)子質(zhì)量不平衡16-17
• 2.3.2 基礎(chǔ)松動故障17-18
• 2.3.3 動靜件摩擦的故障18
• 2.3.4 軸承失效故障18
• 2.4 振動信號處理技術(shù)18-22
• 2.4.1 時域分析法19-21
• 2.4.2 頻域分析法21-22
• 2.5 本章小結(jié)22-24
• 第三章 模擬實驗與分析24-37
• 3.1 實驗?zāi)康?/span>24
• 3.2 實驗平臺的搭建24-26
• 3.3 故障模擬與測試26-36
• 3.3.1 故障模擬的設(shè)計方案26-27
• 3.3.2 傳感器的布局與安裝27-29
• 3.3.3 故障的測試及數(shù)據(jù)采集29-36
• 3.4 本章小結(jié)36-37
• 第四章 神經(jīng)網(wǎng)絡(luò)技術(shù)在故障診斷的應(yīng)用37-70
• 4.1 故障信息的提取及分析處理37-42
• 4.1.1 時域特征分析與提取37
• 4.1.2 頻域特征分析與提取37-42
• 4.1.3 特征值的選擇42
• 4.2 人工神經(jīng)網(wǎng)絡(luò)的概述42-49
• 4.2.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展和應(yīng)用43-45
• 4.2.2 神經(jīng)網(wǎng)絡(luò)的基本特征和功能45-49
• 4.2.3 神經(jīng)網(wǎng)絡(luò)的故障診斷原理分析49
• 4.3 BP神經(jīng)網(wǎng)絡(luò)算法49-54
• 4.3.1 BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)50
• 4.3.2 改進BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法50-54
• 4.4 BP神經(jīng)網(wǎng)絡(luò)的故障診斷54-65
• 4.4.1 驗證故障特征值分類識別模型建立54-55
• 4.4.2 數(shù)據(jù)選擇和歸一化55-56
• 4.4.3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)初始化56-58
• 4.4.4 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練58
• 4.4.5 BP神經(jīng)網(wǎng)絡(luò)的分類識別58-60
• 4.4.6 BP神經(jīng)網(wǎng)絡(luò)模型的驗證及結(jié)果分析60-65
• 4.5 風(fēng)機典型故障樣本數(shù)據(jù)驗證65-69
• 4.5.1 數(shù)據(jù)的采集65-67
• 4.5.2 測試結(jié)果及誤差分析67-69
• 4.6 本章小結(jié)69-70
• 第五章 診斷系統(tǒng)測試分析模塊的設(shè)計70-85
• 5.1 系統(tǒng)總體結(jié)構(gòu)設(shè)計70-74
• 5.1.1 系統(tǒng)結(jié)構(gòu)70-71
• 5.1.2 軟件功能71-72
• 5.1.3 數(shù)據(jù)庫的設(shè)計72-73
• 5.1.4 模塊設(shè)計73-74
• 5.1.5 總體框架設(shè)計74
• 5.2 軟件的開發(fā)及編程語言74-84
• 5.2.1 軟件界面75-76
• 5.2.2 采樣數(shù)據(jù)格式轉(zhuǎn)換模塊76-79
• 5.2.3 信號處理模塊79-82
• 5.2.4 神經(jīng)網(wǎng)絡(luò)模塊82-84
• 5.3 本章小結(jié)84-85
• 第六章 總結(jié)與展望85-87
• 6.1 總結(jié)85
• 6.2 展望85-87
• 參考文獻87-91
• 致謝91-92
• 附錄92-96

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 焦斌;高志偉;;量子遺傳算法優(yōu)化的最小二乘支持向量機的風(fēng)機故障診斷[J];上海電機學(xué)院學(xué)報;2014年03期

2 林邦春;余洋;;軸流風(fēng)機動葉調(diào)節(jié)機構(gòu)常見故障診斷[J];熱力發(fā)電;2013年08期

3 焦斌;徐志翔;;基于綜合優(yōu)化方法的風(fēng)力發(fā)電機故障診斷[J];控制工程;2012年04期

4 朱旭東,戴文戰(zhàn),郎燕峰;基于神經(jīng)網(wǎng)絡(luò)的方法在故障診斷中的應(yīng)用[J];機電工程;2003年05期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 溫敏健;地鐵風(fēng)機故障診斷系統(tǒng)的研究[D];北京建筑大學(xué);2013年

2 王一兵;基于神經(jīng)網(wǎng)絡(luò)的礦井風(fēng)機故障診斷[D];上海交通大學(xué);2012年

3 米江;基于神經(jīng)網(wǎng)絡(luò)和小波分析的風(fēng)機故障診斷專家系統(tǒng)[D];南京航空航天大學(xué);2010年

，

本文編號：739914