毕业设计-神经网络故障的matlab仿真

《毕业设计-神经网络故障的matlab仿真》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、张媛：神经网络故障的MATLAB仿真说明1、页眉：原来的页眉是彩色的，现在统一成黑白，避免打印时只有页眉需要彩色；字体：宋体五号；英文数字用TimesNewRoman。2、打印：有图片的打印彩色，其余的打印黑白。封面单独一页，其余的都是双面打印。3、有同学反映正文标题前面有个点，自己点击“打印预览”，就可以看到有没有点了。张媛：神经网络故障的MATLAB仿真摘要宋体四号加粗单倍行距本课题主要研究在MATLAB环境中进行基于神经网络的设备状态及船用柴油机故障诊断。分别利用BP网络和RBF网络来进行设备状态及船用柴油机故障诊断，

2、以实现复杂系统的故障诊断问题。仿真研究表明，利用神经网络来实现复杂系统的故障诊断是可行和有效的。行距24磅首行缩进2字符关键词故障诊断BP网络RBF网络关键字用空格隔开张媛：神经网络故障的MATLAB仿真Abstract英文摘要字体为TimesNewRoman其他要求与中文摘要一样ThemainideaofthistaskisfaultdiagnosisofdevicestatusandmarinedieselbasedonANNbyusingMATLAB.Inthistask,itisachievingthefaultdi

3、agnosisofcomplexsystemsbyusingBPNetworkandRBFNetworkrespectivelytodiagnosedevicestatusandmarinediesel.SimulationresultdemonstratethatitisfeasibleandeffectivetouseANNtodiagnosecomplexsystems.KeywordsFault-diagnosisBPNetworkRBFNetwork张媛：神经网络故障的MATLAB仿真目录多倍行距2.41；段前17

4、磅；段后16.5磅注：1、字母、数字用TimesNewRoman，字号跟随标题，一级标题页码的字号就是四号，二级标题页码就是小四2、一级标题：单倍行距；黑体四号加粗3、二级标题：文本之前缩进0.39厘米，段后5磅，多倍行距1.15；宋体小四加粗4、三级标题：文本之前缩进0.78厘米，其余与二级标题一样；宋体小四加粗1．前言12．故障诊断22.1故障及故障诊断技术22.1.1故障的定义（正文有三级标题的，目录也需要三级标题）2.2设备故障诊断技术的主要理论方法及发展前景33．MATLAB及神经网络简介63.1MATLAB简介6

5、3.2神经网络简介74．基于BP网络的设备状态分类器设计134.1BP网络134.2BP网络建立144.3网络训练与测试174.4测试结果分析与评价195．基于RBF网络的船用柴油机故障诊断205.1问题描述205.2径向基函数网络205.3涡轮增压系统的故障诊断模型分析23张媛：神经网络故障的MATLAB仿真5.4网络建立及测试265.5测试结果分析与评价28结束语（标点是自动生成的，肯定是要有）30参考文献31致谢32附录33附录1——基于BP网络的设备状态分类器设计的完整的MATLAB代码33附录2——基于RBF网络的

6、船用柴油机故障诊断的完整的MATLAB代码34张媛：神经网络故障的MATLAB仿真每一章都要插入分页符1．前言正文一级标题统一：宋体，四号，加粗；段前0.5行；段后0.5行；行距20磅设备的状态监测与故障诊断既有联系，又有区别。有时为了方便起见统称为设备故障诊断，它是识别机械设备（机器或机组）运行状态的一门综合性的应用学科。随着现代化工业大生产的不断发展，设备状态监测和故障诊断技术近年来得到了广泛的重视，其发展速度之快，研究规模之大，取得的成果之多是前所未有的，其应用所达到的深入程度十分令人鼓舞。目前，设备状态监测与故障诊断

7、已经基本上形成一门既有理论基础、又有实际应用背景的完整的交叉性学科。同时，对长期不懈地坚持开展设备状态监测与故障诊断工作已形成共识，并成为各工业部门尤其是电力、钢铁、石化以及其他国民经济重大领域的一项极为重要的工作内容。正文：宋体小四，数字和英文均为TimesNewRoman；首行缩进2个字符；行距20磅机械设备的工作状态直接关系到设备的正常运行。由于许多无法避免的因素影响，会导致设备出现各种故障，从而降低或失去预定的功能，甚至会造成严重的以至灾难性的事故，造成极大的经济损失和人员伤亡。因此保证设备的安全运行，消除事故，是十

8、分迫切的问题。然而机械设备系统的故障类型和故障原因往往很复杂，故障和征兆之间通常不存在简单的一一对应的关系，而是属于多输入多输出系统，用传统的基于模型的诊断方法会遇到建模困难的问题，导致无法进行诊断或诊断效果不理想。而基于神经网络的设备故障诊断可以大大简化故障诊断的过程。在本次的课题中，则