- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
人工神经网络及其在机械故障诊断中的应用熊施园
摘要:机械设备的故障诊断主要是根据它在运行过程中出现的各种状态信息对
其故障进行分析与识别。人工神经网络具有大规模并行、分布式存储和处理、自
组织、自适应和学习能力,特别适用于处理需要同时考虑许多因素和条件的、不
精确和模糊的信息。本文主要分析了人工神经网络的基本原理,分析了BP神经
网络,探讨了人工神经网络在机械故障诊断中的应用步骤,最后分析了机械故障
诊断中的人工神经网络诊断应用。
关键词:人工;神经网络;机械;故障;诊断
随着科学技术的发展,现代化机械设备的工作强度不断增大,生产效率、自
动化程度越来越高,同时设备更加复杂,各部分的关联也更加紧密,某处微小故
障可能会导致整台设备乃至与设备有关的环境遭受灾难性的毁坏。近年来,设备
预防维修制度正逐步向设备预知维修制度过渡,与设备预防维修制度相比,预知
维修制度以振动监测与故障诊断技术为基础,可以做到及早发现故障,及时消除
故障隐患,防止故障的进一步发展,能预防和减少恶性事故的发生,保障人身和
设备安全;可以节省设备维修时间,增加设备运行时间,节约维修资金,进而提
高企业的生产率与经济效益,对单过程、单故障和渐发性故障的简单系统,传统
的诊断方法和诊断理论可以发挥较好的作用,但对多过程、多故障和突发性故障
以及复杂庞大、高度自动化的大型设备和系统就具有很大的局限性,将人工智能
的理论和方法应用于机械故障诊断,发展智能化的机械故障诊断技术,是机械故
障诊断的一个新的途径。
1人工神经网络的基本原理
人工神经网络由于具有独特优点即具有容错、联想、推测、记忆、自适应、
自学习和处理复杂多模式的功能。人工神经网络的研究是从人脑的生理结构出发
来研究人的智能行为,模拟人脑信息处理的功能。它是植根于神经科学、数学、
统计学、物理学、计算机科学及工程等学科的一门技术。人工神经网络是近年来
的热点研究领域,随着人们对大脑信息处理机理认识的深化以及人工神经网络智
能水平的提高,它必将在科学技术领域发挥更大的作用。
人工神经网络(ArtificialNeuralNetwork,ANN)称为神经网络,是由大量简
单的处理单元(称为神经元)广泛互联而成的网络,是对人脑的抽象、简化和模
拟,反映人脑的基本特性。
目前,在众多神经网络中前馈型神经网络因其良好的逼近能力和成熟的训练
方法得到了广泛的应用。
2BP神经网络分析
在机械设备故障诊断中应用最多的是BP(BackPropagation)神经网络模型。
它属于多层感知器MIP(multi-layerperceptron),网络结构由输入层、隐层(1
个或多个)和输出层组成,网络训练采用梯度下降法,按广义的8规则改变权
值.其学习过程采用误差反传(BackPropagation)算法,有较好的非线性映射能
力、泛化能力和容错能力。
神经网络是一个具有高度非线性的超大规模连续时间动力系统。是由大量的
处理单元(神经元)广泛互连而形成的网络。它是在现代神经科学研究成果的基
础上提出的,反映了脑功能的基本特征。但它并不是人脑的真实描写,而只是它
的某种抽象、简化与模拟。
网络的信息处理由神经元之间的相互作用来实现;知识与信息的存储表现为
网络元件互连间分布式的物理联系;网络的学习和计算决定于各神经元连接权系
的动态演化过程。因此神经元构成了网络的基本运算单元。每个神经元具有自己
的阈值。每个神经元的输人信号是所有与其相连的神经元的输出信号和加权后的
和。而输出信号是其净输入信号的非线性函数。如果输人信号的加权集合高于其
阈值,该神经元便被激活而输出相应的值。在人工神经网络中所存储的是单元之
间连接的加权值阵列。根据网络的拓扑结构和学习规则可将人工神经网络分为多
种类型,如不含反馈的前向神经网络、层内有相互结合的前向网络、反馈网络。
人工神经网络模型是采用BP算法的多层前向网络。
当然,还有径向基函数网络(RBF-NN),概率神经网络(PNN),学习矢量
量化网络(LVQ),模糊神经网络(FNN)以及小波神经网络等人工神经网络。
3人工神经网络在机械故障诊断中的应用步骤
人工神经网络故障诊断的一般步骤如下:
(1)通过信号监测和分析,抽取反映被检测对象(设备部件或零
文档评论(0)