智能诊断与动态测试技术课程论文

《智能诊断与动态测试技术课程论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、课程论文题口：1.神经网络技术在（）智能诊断川的应用现状及发展2.小波分析在（）故障诊断中的应用现状及发展3.支持向量机在（）智能诊断中的应用现状及发展基本要求：1.论文格式按照发表论文格式（题目，摘要，关键词，正文，参考文献）2.对象自选，篇幅没有要求，但要围绕着某一类或一种部件或装备来论述，不要泛泛而论3.主要参考文献为2008年后发表4.英文文献占30%,且论文屮要真正引用其内容5.论文耍有条理性、逻辑性6.要有自C的观点和思考，不要简单复述参考文献课程论文提交时间:2013年11月8日注：课程名称、课程编号、课程题冃、基本耍求等项由任课教师在印刷Z前填写，研究生提

2、交的课程论文附后。神经网络技术在旋转机械智能诊断中的应用现状及发展娄金龙天津大学机械学院机械工程专业2013级硕士牛摘要：利用人工神经网络理论和算法，设计出一种用于旋转机械的御能故障诊断和决策系统，是实际应用中针对旋转机械最有效、最粘:确的故障诊断方法。木文首先简耍介绍机械故障诊断技术的发展状况，尤其是在旋转机械方面设备诊断技术的主要进展，以及人工神经网络理论的主要内容；其次，主要针对一种具有代表性的旋转机械——风机，详细介绍其基于神经网络技术的监测诊断系统；最后，木文还论述了基于神经网络技术的智能诊断系统的发展趋势。关键词：旋转机械人工神经网络猪能诊断0BIJB设备诊断

3、的历史和人类对设备的维修方式紧紧相联。工业革命的发住使得机械设备在丁•程实际屮的应用逐步增加，而设备故障的分析和维修越來越被人们重视起來。起初，由于设备发展迅速，流水线作业方式普及开来，定期故障检修成为有效方式，但是到60年代，人们逐步意识到定期维修的一些列弊病，开始变定期维修为预知维修，即在设备运行过程中开始监测和维护，不仅避免了设备故障带来的损失，ifuTL避免了过生维修，经济效益显著。设备诊断技术由此发展起來。因此设备诊断在现今阶段的定义就在于设备状态的在线监测和故障诊断，并逐步向智能化决策方向发展。在世界范围内，美国的设备诊断技术占有领先地位，美国的许多金业都开发

4、出了具有完善监测功能和诊断功能的产品，在宇航、军事、化工等方面具冇广泛应川，而其他国家的设备诊断技术发展也各具特色和优势，如英国的摩擦诊断方而，丹麦的振声诊断方而，日木的诊断技术应用方面等⑴。我国的诊断技术虽起步较晚，但发展很快。冃前我国在一些特定设备的诊断研究方面成绩突出。尤其是在旋转机械方面，一-些高校已经开发出了自己的智能监测诊断系统，如西安交通大学的“大型旋转机械计算机状态监测与故障诊断系统”⑵，东北大学的“风机工作状态监测诊断系统”図等。从上世纪80年代开始，人工神经网络技术开始被运用于机械设备诊断系统小，并发挥了非常好的效果，主要有以下3个原因:(1)训练过的

5、神经网络能够存储有关过程的知识，能肓接从定量的、历史故障信息中学习。可以根据对象的正常历史数据训练网络，然后将此信息为当前测量数据进行比较，以确定故障。(2)人工神经网络具有滤除噪声及在有噪声悄况下得出止确结论的能力，可以训练人工神经网络来识別故障信息，使英能在噪声环境屮有效的工作，这种滤除噪声的能力使得人工神经网络适合在线故障检测和诊断。(3)人工神经网络具有分辨原因及故障类型的能力。1基于神经网络技术的旋转类机械智能诊断概述人工神经网络（ArtificialNeuralNetworks,简记作ANN）是由具有适丿应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟

6、纶物神经系统对真实世界物体所作出的交互反应。人工神经网络的主要哲学基础就是它们具有通过范例进行学习的能力，或者更技术地来说，它们可以系统地改进输入数据能反映到输出数据上。1.1神经网络的基本模型神经网络是一种运算模型，山大量的节点（或称“神经元”,或'单元'）和之间相互联接构成。每个节点代表一种特定的输岀函数，称为激励函数（activationfunction）o每两个节点间的连接都代表一个对J:通过该连接信号的加权值，称之为权重（weight）,这相当于人工神经网络的记忆。人工神经网络屮，网络处理单元的类型分为三类：输入单元、输出单元和隐单元。输入单元接受外部世界的信号

7、与数据；输出单元实现系统处理结果的输出；隐单元是处在输入和输出单元之间，不能由系统外部观察的单元。神经元间的连接权值反映了单元间的连接强度，信息的表示和处理体现在网络处理单元的连接关系屮。人工神经网络是一种非程序化、适应性、大脑风格的信息处理，其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理功能。如下图1所示：输出层隐倉层输入层图1人工神经网络模熨1.2神经网络的特点与智能诊断相结合人工神经网络的特点和优越性，主要表现在三个方面：第一，具有自学习功能。例如实现图