基于集成神经网络的机电设备智能故障诊断方法研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

随着机电设备功能的日益完善，其自动化、信息化和智能化以及结构的复杂程度都远胜以往。机电设备故障诊断方法的研究，对于保障安全生产，提高经济、社会效益意义深远。在现有的故障诊断中，主要依托的传感信息有压力、温度、振动、位移、声音、图像等，其中振动信号因其易于获取、所含信息丰富且对故障敏感性高，是目前机械设备故障诊断中使用最广泛的传感信息。据资料统计，在机电设备所有的故障形式中，有70%表现出明显的振动特征。然而由于工业环境存在大量的非监测部位噪声干扰，以及振动信号的非线性、非平稳特性也导致基于振动信号处理的故障诊断方法存在诸多不足。本文对现有振动信号处理技术进行深入研究，对噪声抑制和故障特征提取等关键问题进行了优化改进，并通过引入人工智能的手段综合提升了故障诊断的可靠性、准确性与实时性。本文主要研究内容如下：首先，深入研究现有信号处理技术以及设备故障诊断方法，详细分析了在基于传统信号处理的方法中存在的优劣，阐明了故障特征的有效提取在故障诊断技术中的重要性。针对机电设备振动信号非线性、非平稳的特点，将EMD方法和ICA方法相结合，通过EMD-ICA联合处理技术对信号进行分解、去噪及特征分离，在避免了EMD分解时模态混叠现象的同时，解决了ICA方法中对信号通道的限制问题，显著提升了噪声抑制的效果，有利于故障特征的清晰提取。鉴于传统模式识别、专家系统，以及单个神经网络在故障分析决策方面的不足，本文提出了集成神经网络的智能故障诊断方法，将诊断网络分为多个层级，利用子网络对振动信号同一故障进行多特征融合，经过初步识别后，再对设备故障进行最终决策，该方法有效地保证了故障诊断的准确率。最后，提出了信号故障特征提取与故障诊断的集成化设计思想，搭建了总体框架，设计了基于MATLAB平台的智能故障诊断系统，以机电设备中关键部件之一的滚动轴承为研究对象，进行仿真。结果表明，与基于传统信号处理方法的故障诊断系统相比，本系统的准确性和实时性上都有显著提升。

著录项

作者
宗银雪;
展开▼
作者单位

河北工业大学;

展开▼
授予单位河北工业大学;
学科机械工程
授予学位硕士
导师姓名李铁军;
年度 2016
页码
总页数
原文格式 PDF
正文语种中文
中图分类
关键词
集成神经网络; 机电设备; 智能故障诊断;

相似文献

中文文献
外文文献
专利

1. 集成神经网络在智能故障诊断技术上的应用 [J] . 李琼 ,李艳军 ,赵文涛 . 飞机设计 . 2011,第2期
2. 基于集成神经网络的信道估计方法研究 [J] . 罗菊 ,方照东 ,袁泉 . 重庆邮电大学学报（自然科学版） . 2020,第006期
3. 基于优化决策树的智能故障诊断方法研究 [J] . 郑日晖 ,岑健 ,陈志豪 . 广东水利电力职业技术学院学报 . 2020,第001期
4. 基于一种新的案例推理算法的变电站智能故障诊断方法研究 [J] . 林鸿伟 ,黄彦 ,黄劼 . 计算机与数字工程 . 2018,第011期
5. 基于神经网络的某装备智能故障诊断方法研究 [J] . 马长刚 ,李青 ,孙大林 . 舰船电子工程 . 2017,第010期
6. 机电设备智能故障诊断的多传感器融合技术研究 [C] . 王雪 ,左巍 ,傅志斌 . 第六届全国敏感元件与传感器学术会议 . 1999
7. 基于集成神经网络的空气污染物区域关联预测方法研究 [A] . 雍睿涵 . 2019

基于集成神经网络的机电设备智能故障诊断方法研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅