基于小波神经网络的电机声频故障诊断系统

基于小波神经网络的电机声频故障诊断系统

ID:36750825

大小:205.08 KB

页数:3页

时间:2019-05-14

基于小波神经网络的电机声频故障诊断系统_第1页
基于小波神经网络的电机声频故障诊断系统_第2页
基于小波神经网络的电机声频故障诊断系统_第3页
资源描述:

《基于小波神经网络的电机声频故障诊断系统》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、仪器仪表装置文章编号!!""!#$$%%&’""()"*#""’%#"*基于小波神经网络的电机声频故障诊断系统谷爱昱!"!!莫慧芳!张敬春!!"广东工业大学自动化学院"广州#!$$%$#&"广州大学科技贸易技术学院"广州#!’’%’$摘要!采用能量分布特征提取方法和改进的+,算法!设计了一种基于小波神经网络的故障诊断系统!并应用于电机声频诊断技术"实验表明!此系统诊断结果与实际相符!验证了该小波神经网络故障诊断系统的有效性"关键词!小波变换#神经网络#故障诊断中图分类号!#$!%&文献标志码!’#$%&’(#$)*+&,-%./+0’%()1/’23+4/4564)$78’

2、4$.+39’:$($)!’!-./0#12!34520#6789!:5/;-<089#=>28!!?@=>AABA6/2CAD7C0A8"-2789EA89.80FGHI0C1A6JG=>8ABA91"-2789K>A2L!""$""M>087#’?MABBG9GA6@=0G8=G78EJH7EG"-2789K>A2.80FGHI0C1"-2789K>A2L!""$""M>087$-;4)&’<)%N8C>0IO7OGH"78GPG660=0G8C72E0A672BCE0798AI0II1ICGDQ7IGEA8P7FGBGCCH78I6AHD78E8G2H7B8GCPAH

3、RP7IOHGIG8CGE"C>GQ7=R9HA28EA6P7FGBGCCH78I6AHDP7I90FG8"78E780DOHAFGE+,7B9AH0C>DP7I08CHAE2=GE?J>GOHAOAIGE672BCE0798AI0II1ICGDP7I7OOB0GECA72E0AA6GBG=CHADACAH78EC>GHGI2BCII>APGEC>7CC>0IEGFGBAOGEI1ICGDP7IG66G=C0FG?=$6*+&.4%P7FGBGCCH78I6AHD#8G2H7B8GCPAHRI#672BCE0798AI0I利用电机声信号实施故障诊断!即声频故障诊神经网络继承

4、了两者的优点!同时具有良好的函数断技术具有非接触式测量$设备简单$速度快$效率逼近能力和模式分类能力(高$易于实现早期预报和在线监测等优点!开始得因此!本文提出了一种基于小波变换和+,神到人们的重视(经网络的故障诊断系统!并结合实例说明该系统的电机在故障情况下产生非平稳的随机噪声!采有效性(用传统的信号处理技术"如VVJ等&具有局限性(小波变换分辨率在时频平面上是变化的!较之短时傅!小波变换的基本原理与能量分布特征提取里叶变换有更大的柔性!利用小波分析技术的多分若!"!&!"!""’!如果满足可容性条件辨分析特性!可以使其能够准确地从复杂的背景噪W$!X""&$声中提取内故

5、障的声音信号特征(神经网络具有自#$"$E"YW!则称!"!&为一个基本小波和SW学习能力和极强的非线性映射能力等特点!而小波小波母函数!在实际应用中主要是使用其离散形收稿日期!’""(S"*S"’"修订日期!’""(S"*S’"作者简介!谷爱昱"!$T!S#!女!副教授$硕士生导师!研究方向为智能控制%莫慧芳"!$U"S&!女!研究方向为智能控制%张敬春’!$TTS&!男!研究方向为智能控制(!"!"#$%&’($)*+),’-"./)’0’($)1223!4"仪器仪表装置式!由基本小波生成的二进制离散小波函数定义为出的误差平方和达到最小&"#""!"!#"!#!"!""

6、!$%$!%"!%!&$&根据多尺度分析在负梯度算法中!学习率是一个固定的常数!和多尺度分辨率逼近的概念!如果二进离散小波函其值如果选的太大!会降低网络的稳定性&如果选"数簇!"!%构成’"($中的标准正交基!则对信号择的太小!会导致过长的训练时间!因此采用改进*+的自适应学习速率算法&首先设一初始学习速率!)"!$有如下的正交小波分解)"!$!"",%!+!%"!$%+!$%!&然后在每次训练结束后!利用此时的学习速率和随机产生的网络参数计算出网络此时的输出误差!如*+"-%"+!%"!$!式中*为分解层数!,%为第.层高频果此时的输出误差函数值编小!则将学习速率乘以%!

7、&*一个大于&的常数&反之先不改变学习速率!按原小波分解系数序列的第%个分量!-为尺度分解系%来的学习速率和上一点的梯度值迭代!使迭代点回数!"+!%"!$是由尺度函数""!$得到的二进正交尺度到上一点!之后将学习速率乘以一个小于&的常+#"+函数簇!即"+!%"!$!""""!$%$!"+!%!&$数!再重新计算网络的权值和阈值以及输出误差!从滤波的角度来看!正交小波分解信号是通过继续迭代&一个高通滤波器和一个低通滤波器来进行滤波!低通滤波器的作用是实现函数)"!$的逼近!高通滤波$小波神经网络故障诊断系统的设计

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。