基于自组织神经网络的远程故障诊断技术研究

《基于自组织神经网络的远程故障诊断技术研究》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、摘要摘要远程故障诊断技术在机器设备运行管理与故障维修支持中起着重要作用。它能即时发现机器设备故障并进行有效的处理，提高机器设备的工作效率;能降低维修成本，避免“过度维修”造成的不经济、不合理现象。随着机器设备日趋大型化、复杂化、自动化、智能化及机电一体化，诊断技术正向智能化方向发展。以神经网络为代表的计算智能技术为远程智能故障诊断提供了一条有效途径。本文以提高故障模式识别正确率为目的，以故障诊断中数据的处理过程为主线，基于SOM神经网络的并行性、容错性和自组织学习能力，使用了信息集成技术，对远程故障诊断技

2、术进行了研究。主要内容如下:1.基于故障诊断数据预处理的多层SOM远程故障诊断。对故障信息数据使用平均值方法进行降噪处理;对比分析了PCA、ICA进行故障数据降维处理的效果并结合其优点进行数据降维处理;使用多层SOM使模式聚类区域收敛以提高故障模式识别率。2.基于SOM特征映射图的同步区域生长故障模式识别。使用SOM神经网络对输入数据进行聚类分析，在SOM特征图上生成种子区域，同步生长各种子区域完成模式聚类区域的划分并进行故障模式识别。3.SOM特征映射图上向量场故障模式识别方法。使用SOM神经网络对输入

3、数据进行聚类分析，在SOM特征图中生成种子区域，以种子区域为引力源构造SOM特征图上的引力场，根据特征图中的点沿引力运动的收敛情况进行故障模式识别。4.层次分析法故障诊断信息融合。根据信息融合基本原理，计算输入故障模式到典型故障模式的多种度量并进行两两成对比较，使用层次分析法集成不同的神经网络故障诊断子系统的识别结果，提高故障模式正确识别率。在以上研究中，使用matlab工具对某型飞机起落架故障进行故障诊断仿真，取得了较好的效果。关键词:神经网络，故障诊断，区域同步生长，向量场，层次分析法ABST凡、CT

4、AbstFaCtTheteehnologyofremotefaultdiagnosis15veryimPortantinequiPmentmanagementandinsuPPortoffaultmaintenance.IteandiseoveranddealwiththefaultofequiPmentimmediately:itcanalsoimProvethework一effieieneyofmaehine，andreducetheeostofmaintenaneeinordertoavoidthe

5、Phenomenonofdiseconomyandirrationalityeausedby“exeessservieing’，.Faultdiagnosisrequiresmoreintelligencethanbeforebeeausethelarge，eomPlicated，automatie，intelligent，meehanotroniesequiPmenthasaPPeared.Neuralnetworks伽Ns)，whiehareat即iealrePresentationofcomPuta

6、tionalintelligenee，ProvideaPowerfulwaytodiagnoseremotefaults.TheaimofthisPaPer15toimProvetherecognitionrateoffaultPattern.Theresearchontheteehnologyofremotefaultdiagnosis15basedontheeharaeteristicsofSelf-OrganizingMaP(SOM)ineludingParallelism，fault一tolera

7、nee，andself-organizingleaming，and15basedonthetechnologyofinformationintegration，andfollowsthedataProeessinginfaultdiagnosis.Themaineontentsofthedissertationareasfollows:1.RemotefaultdiagnosisbasedonMultilayerSOManddataPreProeessing.Thenoiseoffaultdata15re

8、movedbymean;PCAandICAareadoPtedtodealwithdimensionreduction，theeffeetofwhieh15eomParedandanal界ed:multilayerSOM15usedtoeonvergemodeelusteringre乡ons50astoimProvethereeognitionrateoffaultPattem.2.Pattemreeognitionmetho