RBF神经网络在旋转机械故障诊断中的应用.pdf

《RBF神经网络在旋转机械故障诊断中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、，_、aUlIIl学术学习水平的提升提供必要条件。字给观看者带来更清晰的感受，在教育教学中怎样将现代化的创新手段应用在中职机械教育2．4．2+1学制模式得到广泛的应用。在机械教学中应用多媒体技中，已经成为教育界普遍关注的热门话题。创当前，大多数中职院校使用的都是传统的术，能够将机械的构造及其操作过程以更直观造性教学方法，不仅广泛应用于中职学校，使课程体制，只有少数院校使用“2+l”学制模式。的方式生动地呈现在学生面前，很好地将理论中职学校机械教学迈进了一个新的发展阶段，传统的课程体系导致的直接结果就是理论知识知识和实际使用结合起来，而且可以根据学生而且它也带动了其他机械工业中机械教学

2、的迅与实践生产相分离，课程学习的内容在实践中实际的理解程度，使用暂停功能，对学生不理猛发展，从而促进整个社会的进步。因此，教得不到应用。对于中职机械教学，应该采用更解的地方进行深入的讲解或者选择重复播放和育工作者要重点关注和研究创造性教学方法，加科学合理的课程体系，在开始两年进行专业慢镜头让学生看得更清晰，对机械操作过程能使之不断发展进步，为社会培养更多的机械人知识学习，机械教师应该给学生提出明确的要有更深刻的理解。对重点、难点知识进行特别才，为整个国民经济的发展做出更大的贡献。求，合理安排学习任务，督促学生学习。第三标记，增强学生对关键知识的记忆，使教学效参考文献：年进入实习环节，

3、机械教师应该结合实际设备果得到显著增强。[1]伯艳广．创造性教法在机械教学中的让学生更加深刻的理解机械的构造、性能以及2．6．加强社会实践运用[J]．考试周刊，2013，41：162．具体的操作技术和生产流程，并根据学生的实中职机械教育中，学生不仅要全面系统地[2]李春．互动性教学在中职机械专业课际能力，给学生分配实习任务书，使学生有目掌握扎实的理论知识，而且还要注重加强社会教学中的应用探究[J]．教师，2012，29：66的有任务地的进行有针对性的实习，将课堂上实践。在这方面，学校可以联系当地的相关企业，的理论知识与实际生产和谐的统一起来。注重与之签订学生实习合作协议。学生通过在企

4、业[3]于海艳．创造性教法在高职机械教学学生创造性思维的培养，提高学生的知识运用的机械生产、制造工作中的亲自体验，能够更中的应用分析I-j]．中国校外教育，2012，能力和对企业生产环境的适应能力。加深入和客观地理解机械的生产和操作过程，22：142．2．5．多媒体在中职机械教学中的应用也加深了对课堂理论知识的理解。[4]赵年红．浅谈《机械制图》创新教学多媒体技术能通过声音、影像、图片和文总而言之，随着现代科学技术的不断发展，I-j]．科教新报(教育科研)，2011(40)．RBF神经网络在旋转机械故障诊断中的应用一张忠奎摘要为克服BP网络在机械故障诊断中存在的训I练收敛速度慢且容易

5、陷入局部极小、网络初值对学习性能影响比较大等缺陷，提出了一种基于最近邻聚类学习算法的RBF神经网络模型，并将该模型应用于旋转机械的故障诊断中。应用结果表明，RBF网络Il练速度快、分类性能良好，在设备故障诊断领域具有很好的实用性。旋转机械是石油、化工、冶金、机械等行1．RBF神经网络网络中心向量和半径，常用的是K一均值算法和业生产中的关键设备，随着其大型化、自动化、1_1．RBF神经网络拓扑结构模糊聚类方法；隐含层与输出层之间的权值调高速化和复杂化发展，运行的可靠性和安全性典型的RBF神经网络是具有单隐层的3层整采用有教师指导的算法，以确定权重向量，日益受到重视。因此对其进行可靠、准

6、确的故前馈网络，一种局部逼近网络，它能以任意精例如采用递推最小二乘方法等。障诊断具有十分重要的意义。度逼近任意连续的函数[3]。2．RBF神经网络在旋转机械故障诊断中的应但是旋转机械结构的复杂性和耦合性又使RBF神经网络的第一层为输入层，由信号源用得其故障具有多样性、模糊性和随机性等特点，节点组成：第二层为隐含层，其单元数视所描2．1．学习样本的建立因此很难用传统的模式分类技术将这些故障截述的需要而定；第三层为输出层，它对输入模在BENTLYRK一4模拟转子试验台上进行实然分开。而人工神经网络具有非线性模式分类式的作用做出响应。输入层节点只是传递输入验研究，从测振传感器提取出的时域连

7、续振动性能和很强的自组织、自学习能力[1]，不需要信号到隐含层，隐含层节点由像高斯函数那样信号，经A／O转换，DFT(FFT)分析，得到振动预先给出关于模式的先验知识和判别模型就能的辐射作用函数构成，输出层节点通常是简单信号的频谱分析。本文旋转机械中常见的质够通过自组织和自学习机制自动地形成所要求的线性函数。隐含层节点中的作用函数对输入量不平衡、转子热弯曲、轴向碰磨等8种故障的决策域。神经网络技术用于机械故障诊断较信号将在局部产生响应。作为网络输出，利用振