基于小波神经网络的旋耕装置机械故障诊断研究
|
摘要
首先,介绍了小波变换原理及其在故障检测中的优势;然后,采用三层小波神经网络模型,构造了旋耕装置机械故障诊断模型;最后,从建立旋耕装置故障特征、提取故障特征向量,以及建立和训练小波神经网络模型等方面,实现了基于小波神经网络的旋耕装置机械故障诊断模型,能够实时完成对旋耕装置的机械故障诊断。通过验证与分析,证明了诊断系统的可行性和精确性。
It first introduces the principle of wavelet transform and its advantages in fault detection,and then uses three layers of wavelet neural network model to construct the mechanical fault diagnosis model of the rotary tillage device. Finally,it established the fault characteristics of the rotary tillage device,the extraction of the fault feature vector,and the establishment and training of the wavelet neural network model. It realized the mechanical fault diagnosis model of rotary tillage device based on wavelet neural network,whcih can complete the mechanical fault diagnosis of rotary tiller in real time. The results of validation and analysis show the feasibility and accuracy of the diagnostic system.
It first introduces the principle of wavelet transform and its advantages in fault detection,and then uses three layers of wavelet neural network model to construct the mechanical fault diagnosis model of the rotary tillage device. Finally,it established the fault characteristics of the rotary tillage device,the extraction of the fault feature vector,and the establishment and training of the wavelet neural network model. It realized the mechanical fault diagnosis model of rotary tillage device based on wavelet neural network,whcih can complete the mechanical fault diagnosis of rotary tiller in real time. The results of validation and analysis show the feasibility and accuracy of the diagnostic system.
引文
[1]张晓波.煤矿机电设备机械故障检测诊断技术的应用探究[J].民营科技,2017(9):75.
[2]华伟.基于多小波变换的矿用齿轮箱故障诊断研究[D].北京:中国矿业大学,2017.
[3]武哲.旋转机械故障诊断与预测方法及其应用研究[D].北京:北京交通大学,2016.
[4]高芮.基于神经网络的机械故障诊断技术的研究[D].青岛:青岛科技大学,2016.
[5]周柏彤.欠定盲源分离算法及其在机械故障诊断中的应用研究[D].昆明:昆明理工大学,2016.
[6]张圣男.基于音频信号频谱细化分析的机械故障检测方法[D].哈尔滨:哈尔滨工程大学,2014.
[7]魏春荣.基于模糊神经网络的旋转机械故障诊断方法研究[D].大庆:大庆石油学院,2004.
[8]陈玉玲.基于小波分析的风机故障诊断方法研究[D].沈阳:辽宁科技大学,2014.
[9]陈向民.基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D].长沙:湖南大学,2013.
[10]邓星.基于支持向量机和模糊神经网络的旋转机械故障诊断[D].重庆:重庆理工大学,2013.
[11]吕宣哲.基于小波变换和神经网络的旋转机械故障诊断研究[D].南京:南京航空航天大学,2012.
[12]张超.基于自适应振动信号处理的旋转机械故障诊断研究[D].西安:西安电子科技大学,2012.
[13]王常青.数字图像处理与分析及其在故障诊断中的应用研究[D].武汉:华中科技大学,2012.
[14]秦红义.基于谐波小波包和神经网络的旋转机械故障诊断系统研究[D].秦皇岛:燕山大学,2012.
[15]罗洁思.基于多尺度线调频小波路径追踪的机械故障诊断方法研究[D].长沙:湖南大学,2011.
[16]李长宁.机械故障信号统计建模及其故障诊断方法的研究[D].哈尔滨:哈尔滨工业大学,2010.
[17]陈建国.基于独立分量分析的机械故障特征提取及分类方法研究[D].大连:大连理工大学,2011.
[18]曹冲锋.基于EMD的机械振动分析与诊断方法研究[D].杭州:浙江大学,2009.
[19]郑令.基于小波神经网络的机械故障诊断方法的研究[D].大连:大连交通大学,2009.
[20]张蓉,谢武杰.基于小波神经网络航空发动机滑油系统故障诊断方法研究[J].航空制造技术,2009(6):85-89.
[21]黄媛.改进的小波神经网络在旋转机械故障诊断中的应用研究[D].武汉:武汉理工大学,2009.
[22]郑海波.非平稳非高斯信号特征提取与故障诊断技术研究[D].合肥:合肥工业大学,2002.
[23]任达千.基于局域均值分解的旋转机械故障特征提取方法及系统研究[D].杭州:浙江大学,2008.
[24]陆景丽.基于小波神经网络的液压泵故障诊断方法及实验研究[D].燕山:燕山大学,2007.
[25]彭斌,刘振全.基于改进小波神经网络的旋转机械故障诊断[J].振动、测试与诊断,2007(1):32-35,84.
[26]刘景艳,邹有明.小波神经网络在提升设备故障诊断中的应用[J].煤矿机械,2006(4):710-712.
[27]彭斌,刘振全.谐小波模糊神经网络应用于旋转机械的故障诊断[J].动力工程,2005(5):702-706.
[28]葛文谦.小波神经网络在旋转机械故障诊断中的应用研究[D].燕山:燕山大学,2006.
[29]邓懿波.用于回转机械设备故障诊断和预测的母小波函数类型及应用研究[D].南昌:南昌大学,2005.
[30]史月华.基于集成小波神经网络的旋转机械故障诊断理论及应用[D].秦皇岛:燕山大学,2004.
[2]华伟.基于多小波变换的矿用齿轮箱故障诊断研究[D].北京:中国矿业大学,2017.
[3]武哲.旋转机械故障诊断与预测方法及其应用研究[D].北京:北京交通大学,2016.
[4]高芮.基于神经网络的机械故障诊断技术的研究[D].青岛:青岛科技大学,2016.
[5]周柏彤.欠定盲源分离算法及其在机械故障诊断中的应用研究[D].昆明:昆明理工大学,2016.
[6]张圣男.基于音频信号频谱细化分析的机械故障检测方法[D].哈尔滨:哈尔滨工程大学,2014.
[7]魏春荣.基于模糊神经网络的旋转机械故障诊断方法研究[D].大庆:大庆石油学院,2004.
[8]陈玉玲.基于小波分析的风机故障诊断方法研究[D].沈阳:辽宁科技大学,2014.
[9]陈向民.基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D].长沙:湖南大学,2013.
[10]邓星.基于支持向量机和模糊神经网络的旋转机械故障诊断[D].重庆:重庆理工大学,2013.
[11]吕宣哲.基于小波变换和神经网络的旋转机械故障诊断研究[D].南京:南京航空航天大学,2012.
[12]张超.基于自适应振动信号处理的旋转机械故障诊断研究[D].西安:西安电子科技大学,2012.
[13]王常青.数字图像处理与分析及其在故障诊断中的应用研究[D].武汉:华中科技大学,2012.
[14]秦红义.基于谐波小波包和神经网络的旋转机械故障诊断系统研究[D].秦皇岛:燕山大学,2012.
[15]罗洁思.基于多尺度线调频小波路径追踪的机械故障诊断方法研究[D].长沙:湖南大学,2011.
[16]李长宁.机械故障信号统计建模及其故障诊断方法的研究[D].哈尔滨:哈尔滨工业大学,2010.
[17]陈建国.基于独立分量分析的机械故障特征提取及分类方法研究[D].大连:大连理工大学,2011.
[18]曹冲锋.基于EMD的机械振动分析与诊断方法研究[D].杭州:浙江大学,2009.
[19]郑令.基于小波神经网络的机械故障诊断方法的研究[D].大连:大连交通大学,2009.
[20]张蓉,谢武杰.基于小波神经网络航空发动机滑油系统故障诊断方法研究[J].航空制造技术,2009(6):85-89.
[21]黄媛.改进的小波神经网络在旋转机械故障诊断中的应用研究[D].武汉:武汉理工大学,2009.
[22]郑海波.非平稳非高斯信号特征提取与故障诊断技术研究[D].合肥:合肥工业大学,2002.
[23]任达千.基于局域均值分解的旋转机械故障特征提取方法及系统研究[D].杭州:浙江大学,2008.
[24]陆景丽.基于小波神经网络的液压泵故障诊断方法及实验研究[D].燕山:燕山大学,2007.
[25]彭斌,刘振全.基于改进小波神经网络的旋转机械故障诊断[J].振动、测试与诊断,2007(1):32-35,84.
[26]刘景艳,邹有明.小波神经网络在提升设备故障诊断中的应用[J].煤矿机械,2006(4):710-712.
[27]彭斌,刘振全.谐小波模糊神经网络应用于旋转机械的故障诊断[J].动力工程,2005(5):702-706.
[28]葛文谦.小波神经网络在旋转机械故障诊断中的应用研究[D].燕山:燕山大学,2006.
[29]邓懿波.用于回转机械设备故障诊断和预测的母小波函数类型及应用研究[D].南昌:南昌大学,2005.
[30]史月华.基于集成小波神经网络的旋转机械故障诊断理论及应用[D].秦皇岛:燕山大学,2004.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |