大学毕业论文-—基于神经网络的故障诊断技术研究与仿真.doc

《大学毕业论文-—基于神经网络的故障诊断技术研究与仿真.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、理工大学学士学位论文摘要神经网络通过模拟大脑神经处理信息的方法，完成信息并行处理和非线性转换。由于神经网络具有强大的学习功能，可以比较轻松地实现非线性映射过程，并且具有大规模计算的能力。神经网络在自动化、计算机和人工智能领域都有着广泛的适用性，实际上也确实得到了大量的应用，解决了很多利用传统方法难以解决的问题。本文主要研究了神经网络机理、特性及模型，并利用神经网络工具箱针对齿轮箱开展故障诊断识别与研究。同时，结合常见的网络故障诊断方法和几种典型的神经网络模型，重点开展基于BP神经网络的故障诊断方法的建模与研究，通过已知数据训练BP神经

2、网络模型，并利用Matlab实现BP神经网络算法的齿轮箱故障诊断，仿真结果表明模型能够快速收敛，并较好的对齿轮箱故障进行识别。关键词：故障诊断；神经网络；BP网络；Matlab58理工大学学士学位论文AbstractNeuralnetworkmethodthroughthesimulationofthebrainprocessinformation,completetheparallelprocessingandnon-linearconversionofinformation.Becauseneuralnetworkhasstron

3、glearningfunction,canmoreeasilytorealizenonlinearmappingprocess,andhastheabilityoflarge-scalecomputing.Neuralnetworkinthefieldofautomation,computerandartificialintelligencehavebroadapplicability,actuallydidgetalotofapplication,solvedmanyusingthetraditionalmethodisdiffic

4、ulttosolvetheproblem.Inthispaper,westudythemechanism,characteristicsandneuralnetworkmodel,andusingneuralnetworktoolboxforgearboxfaultdiagnosisistoidentifyandstudy.Atthesametime,combinedwiththecommonnetworkfaultdiagnosismethodsandsometypicalneuralnetworkmodels,focusonthe

5、faultdiagnosismethodbasedonBPneuralnetworkmodelingandresearch,throughtrainingtheBPneuralnetworkmodelofdataisknown,andusetheMatlabBPneuralnetworkalgorithmofgearboxfaultdiagnosis,simulationresultsshowthatthemodelcanfastconvergence,andbetterforgearboxfaultrecognition.Keywo

6、rds:networkfaultdiagnosis;neuralnetwork;BPnetwork;Matlab58理工大学学士学位论文目录1绪论11.1研究背景及意义11.2齿轮箱故障诊断研究现状11.3齿轮箱故障诊断的发展趋势21.4本文组织结构32神经网络特性分析与研究42.1神经网络概念及特性42.2神经网络发展史52.3神经网络模型62.3.1神经元结构模型72.3.2神经网络的互连模式82.4神经网络的学习方式102.5神经网络的学习规则112.6神经网络的特性及实现112.7　神经网络的应用122.8　神经网络与故障模式

7、识别132.8.1　常用的模式识别方法132.8.2　神经网络在故障模式识别中的应用142.9MATLAB基础知识162.9.1　Matlab简介162.9.2MATLAB产生的历史背景172.9.3MATLAB的语言特点173网络故障诊断及BP算法193.1几种常见的网络故障诊断方法193.2几种典型的神经网络模型193.3BP神经网络模型213.3.1BP网络中的神经元模型213.3.2BP网络结构2258理工大学学士学位论文3.4BP神经网络算法及执行步骤233.4.1BP神经网络算法233.4.2BP算法执行步骤244基于BP

8、神经网络的齿轮箱故障诊断设计及仿真264.1工程描述264.2输入和目标向量设计264.3BP网络工具箱函数284.4BP网络创建294.5网络训练与测试29结论36致谢37参考文献38附录39附录A　英文原文39附录B