基于模糊神经网络的智能故障诊断技术研究

《基于模糊神经网络的智能故障诊断技术研究》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、中文摘要摘要在工程技术领域，故障诊断技术一直以来对于保证设备正常运转和生产顺利进行起着重要作用。对于故障诊断技术的研究和应用，不仅具有理论价值，而且还有着十分明显的和直接的经济效益。今天随着科学技术的不断发展，工业生产中的设备日趋大型化、复杂化、高速化、自动化。这些设备上的技术进步，一方面使生产的速度、效率、容量、强度得到大幅度提高，但另一方面随之而来的由于系统停机和故障造成的损失也同步增长。这种制约关系对故障诊断和预测技术提出了更高的要求，传统的诊断方法已不能满足这种要求了。在这种趋势下，伴随着计算机技术、人工智能技术的进步，诊断技术进入了智

2、能化阶段。基于理论上较成熟的模糊理论和BP神经网络，本文对模糊理论和BP神经网络在故障诊断方面的应用进行了探讨，提出了以BP神经网络为主，采用模糊理论作为有益补充的一种智能故障诊断结构。首先诊断系统将接收到的各种运行参数进行模糊化处理后作为BP神经网络的输入，然后充分利用训练好的神经网络的记忆联想能力进行故障识别，最后在输出层推理出最终的故障诊断结果。文中首先对故障诊断的发展背景作了说明，阐述了故障诊断的意义，分析了故障诊断的发展过程及现状；然后详细阐述了人工神经网络基本理论以及重点介绍了发展相对完善的BP神经网络模型；接着简单介绍了模糊理论和

3、对模糊理论与神经网络的各种结合形式进行了探讨，并且选择了一种简单有效的结合形式进行研究；最后以船舶柴油机故障诊断实例进行仿真比较研究，说明了此方法的有效性。关键词：故障诊断；智能化；模糊理论；BP神经网络英文摘要ABSTRACTInthefieldofengineeringandtechnology,faultdiagnosistechnologyhasbeenplayingallimportantroletoensuretheproperfunctioningofequipmentandthesmoothconduct．Faultdiagno

4、sistechnologyforresearchandapplications，whichhasnotonlytheoreticalvalue，butalsoaveryobviousanddirecteconomicbenefits．Today,withthecontinuousdevelopmentofscienceandtechnology,industrialequipmentinproductionisintheincreasinglylarge，complex，high-speedandautomation．Theequipmentp

5、rogressonthetechnology,ontheonehand，increasedproductionspeed，efficiency,capacityandstrengthbyabigmargin，butontheotherhand，increasinglossduetosystemdowntimeandfailurealsofollowedbyasimultaneous．Therestrainedrelationshiphasputforwardhigherrequirementsforthefaultdiagnosisandpre

6、dictingtechnique，thetraditionaldiagnosticmethodshavebeenunabletomeetthisdemand．Inthistrend，alongwiththeprogressofcomputertechnologyandartificialintelligencetechnology,diagnostictechniqueshavebeenintotheintelligentphase．’BasedonfuzzytheoryandBPneuralnetworkwhicharemorematurei

7、nthetheory,inthispaperfuzzytheoryandBPneuralnetworkintheapplicationoffaultdiagnosisarediscussedandasmartfaultdiagnosisstructurewhichbyBPneuralnetworkmainlyandfuzzytheoryasausefulcomplementispresented．Firstofall，faultdiagnosissystemreceivesallkindsofoperatingparameterswhichar

8、easinputfortheBPneuralnetworkafterthefuzzicationprocessing，andthentakesfull