基于小波神经网络的故障预报技术研究毕业设计论文.docx

基于小波神经网络的故障预报技术研究毕业设计论文.docx

《基于小波神经网络的故障预报技术研究毕业设计论文.docx》由会员分享，可在线阅读，更多相关《基于小波神经网络的故障预报技术研究毕业设计论文.docx（40页珍藏版）》请在冰豆网上搜索。

基于小波神经网络的故障预报技术研究毕业设计论文

基于小波神经网络的故障预报技术研究

摘要

故障诊断无论在生产安全还是在国民经济当中无疑具有重要的意义。

近年来，由于计算机技术、信号处理、人工智能、模式识别等技术的发展，促进了故障诊断技术的不断发展。

针对小波神经网络精度高，学习速度快的特点，我们将小波神经网络应用于机械故障诊断中。

在查阅大量文献的基础上，本文对故障诊断技术及故障诊断领域比较活跃的理论和方法，包括小波变换、神经网络以及近年来在故障诊断领域中的研究热点——小波神经网络进行了综述。

针对设备运行中存在的大量的非线性现象和快速傅立叶变换在非线性信号的处理中存在一定的局限性，同时由于小波变换具有时频特性，而且是对信号进行分析和处理的一个有效的工具，所以本文在介绍小波变换理论的同时，还阐述了它在机械故障诊断中的应用以及小波在分析非平稳信号时的优越性。

由于将小波函数作为神经网络的激发函数的小波神经网络可以获得更好的诊断效果，本论文主要研究了由morlet小波函数来代替神经网络中的传统激发函数（S函数）的

“紧支型”小波神经网络及其在旋转机械故障诊断中的应用。

传统的前馈神经网络多采用BP算法对网络进行训练，但是BP算法具有容易陷入局部极小值，收敛速度慢等局限性。

针对这些局限性，本文对传统的BP算法进行了改进，引入了动量项，经过实例证明其收敛速度有很大的提高。

最终通过实例证明，本文所研究的基于小波神经网络的故障诊断方法在旋转机械故障诊断中能够很好的进行故障诊断并且具有较快的收敛速度。

关键词：

故障诊断，小波变换；神经网络；BP算法；小波神经网络

Abstract

Itisoutofquestionthatdefaultdiayosisisveryimportantbothinsafetyproductionandinnationaleconomy.lnrecentyears,withthedevelopmentofcomputertechnology,signalprocessing,artificialintelligence,modeidentificationandetc,thefaultdiagnosistechnologyhasbeencontinuouslypromoted.Becausewaveletneuralnefworkhasthefollowingmerits:

highprecisionandlearningratefast,weusewaveletneuralnetworkinthefieldoffaultdiagnosis.

Basedonamultitudeofliterature,thispaperreviewesthatthefaultdiagnosistechnologyandtheactivetheoryandmethodsinthefieldoffaultdiagnosiswhichincludewavelettransform,neuralnetworkandwaveletneuralnetwork.Thewaveletneuralnetworkhasbecomeafocusinthefieldoffaultdiagnosisrecently.

Inviewofthemanynonlinearvibrationofrunning-machineandFastFourierTransformhassomelimitsinthedisposeofnonlinearsignal,atthesametime,becausewavelettransformhasthetime-frequencycharacteristicsandwaveletanalysisisaneffectivetooltoprocesssignals,thispapernotonlyintroducethetheoryofwavelettransform,butalsosetforthitsapplicationinfaultdiagnosisanditssuperiorityofprocessingnonlinearsignal.

Becausewaveletneuralnetworkhasthebetterdiagnosiseffectwhileusingwaveletfunctionsubstitutesnetwork'sexcitationfunction,sothispapermainlystudiesthecompactwaveletneuralnetworkwhichusingmorletwaveletsubstitutesnetwork'straditionalexcitationfunction（Sfunction）anditsapplicationinfaultdiagnosisofrotatingmachinery.ClassicalneuralnetworksmostlytrainthenetworkwithBPalgorithm.ButtheBPalgorithmoftengetsintotheminimumvalueanditsconstringentspeedisslow.Inviewoftheselimitations,thispaperimprovestheclassiealBPalgorithmbymeansofintroducingmomentumitem,TheactualexampleprovesthatthespeedofthiswaveletneuralnetworisveryfasterthanclassicalBPneuralnetwork.

Finally,theexperimentshowsthatthefaultdiagnosismethodbasedonwaveletneuralnetworkintluspapercanbeusedwellinfaultdiagnosisofrotatingmachineryandhasamorefasterconvergencerate.

KeyWords:

FaultDiagnosis;WaveletTransform;NeuralNetwork;BPAkorithm;WaveletNeuralNetwork

第一章　绪论

1.1故障诊断的必要性级意义

在现代科学技术迅速发展的同时,现代生产机械设备也日趋大型化、高速化、复杂化、精密化、自动化和连续化，在企业中的作用和影响也越来越大。

设备如果发生故障，不仅造成经济损失，而且可能危及人身安全、造成环境污染，给生产和生活甚至于人们的生命财产安全造成很大的影响。

例如国外，美国三里岛核电站1973年由于系统误判，开关误操作，堆芯严重损失、放射物流，损失几十亿美元。

1984年印度博帕尔市农药厂发生的异氰酸甲毒气外漏事故和1986年前苏联切尔诺贝利核电站发生的泄露事故，造成了举世震惊的环境污染和人员伤亡。

1985年美国“挑战者号”航天飞机和2003年“哥伦比亚号”航天飞机失事事故，宇航员全部遇难，不仅财产损失严重，航天事业更遭受了沉重打击。

国内，1985年10月我过某电厂20万千瓦汽轮机发电机组转速突然由3000r/min升至4500r/min,机组转子的联轴器螺栓发生断裂,铲伤了严重的断轴毁机事件。

2005年中石油吉林石化公司双苯厂发生爆炸，导致松花江水质污染，造成沿江人们的生活遭到威胁。

工程实践使人们认识到，必须要发展工程检查和故障诊断技术，才能使设备安全可靠有效的运行，并充分发挥其效益。

如我国的某大型投平压缩机组，1983年发生异常震动。

经过诊断分析认为，机组连接高压缸的低压缸的联轴器发生了故障，危及生产。

经过紧急停机解体检查后发现，联轴器8只联机螺栓已断3只，其余5只也将断裂。

这样依靠检测诊断技术避免了事故的发生和经济损失。

美国军队装备到部队的AN/TPQ-36。

37全向跑位侦查雷达都有内侧设备和故障诊断系统。

目前，国外的大型机电系统大多数都寂静安装检测诊断系统。

国内外许多事实资料表明，发展故障诊断技术是必要的，其经济效益也是明显的。

据有关部门统计，日本在采用故障诊断技术后，事故率减少了75％，维修费降低25％-50％。

；英国采用诊断技术后，每年可节省3亿英镑维修费。

而在我国，仅冶金部的设备维修费用每年都高达250亿元。

如果将故障诊断技术推广，每年能够减少50％-70％的事故、节约10%-30%的维修费用，可见其效益相当可观。

许多大量的正反事件都已表明：

对机械设备采用先进的故障诊断技术能够保证机械设备正常、高效的运行，并且是促进国民经济健康稳定发展的非常重要的技术手段。

1.2故障诊断方法的分类

随着故障诊断技术的研究与发展，同时经过40多年的技术积累，广大的中外科学研究者提出了大量的具体诊断方法，目前主要可以分为三大类故障诊断方法：

（1）基于解析模型的故障诊断方法

这是最早的故障诊断方法，它具有一个难点，需要建立被诊断对象的较为精确的教学模型，一般包括状态估计法和参数估计法。

对于状态估计法，首先要重构被控过程的状态，通过与可测变量进行比较够长残差序列，再构造出适当的模型，用统计检验法从残差序列中把故障检测出来。

因为要求系统可观测或者部分可观测，所以通常用各种状态观测器或者滤波器进行状态估计。

而参数估计法不需要计算残差序列，它是根据参数变化的统计特写来对故障的发生进行检测的。

现已证明了参数估计法比状态估计法更适合于非线性系统，因为非线性系统的状态光侧倾的设计具有很大的难度。

目前非线性系统故障诊断计算的参数估计方法主要有强跟踪滤波器方法。

（2）基于信号处理的故障诊断方法

这类方法不需要建立对象的准确的模型，而是直接利用信号模型，如相关函数、高阶统计量、频谱和自回归滑动平均过程以及小波分析技术等。

这种方法具有一定的通用性，其适应性很强，对于线性系统和非线性系统都非常适用。

（3）基于知识的故障渗断方法

这类方法与基于信号处理的故障诊断方法类似，也不需要系统的准确的数学模型，它引入了诊断对象的许多信息，使它成为一种很有前途的故障断方法，特别是在非线性系统领域。

这类方法还可以分为基于症状的故障诊断方法和基于定性模型的故障诊断方法。

其中，基于症状的故障诊断方法包括模式识别方法、模糊推理方法、专家系统方法和神经网络方法等；基于定性模型的故障诊断方法包括定性观测器、定性仿真和知识观测器等。

由于神经网络具有自学习能力、并行处理能力、容错能力以及泛化能力等，使它在处理非线性问题和在线估计方面有着极大的应用前景。

目前，多种方法相结合的诊断方法越来越受到重视，因为这种诊断技术能够提高故障诊断率。

1.3故障诊断国内外的研究现状及存在的问题

对于故障诊断的研究国外早于国内，美国是最早开展故障诊断技术研究的国家，紧随其后的是日本、英国、瑞典、挪威、丹麦等国。

1961年美国开始执行阿波罗计划以后出现了一系列由设备故障造成的悲剧，引起了美国相关部门的重视。

1967年在美国宇航局（NASA）的倡导下，由美国海军研究室（ONR）主持成立了美国机械故障预防小组（MFPG），并积极从