改進的小波神經(jīng)網(wǎng)絡在旋轉(zhuǎn)機械故障診斷中的應用研究.pdf

1、在現(xiàn)代化生產(chǎn)中，機械設(shè)備的故障診斷技術(shù)越來越受到重視，如果某臺設(shè)備出現(xiàn)故障而未能及時發(fā)現(xiàn)和排除，其結(jié)果不僅會導致設(shè)備本身損壞，甚至可能造成機毀人亡的嚴重后果。在企業(yè)的連續(xù)生產(chǎn)的系統(tǒng)中，如果某臺關(guān)鍵設(shè)備因故障而不能繼續(xù)運行，往往會涉及整個企業(yè)的生產(chǎn)系統(tǒng)設(shè)備的運行，造成巨大的經(jīng)濟損失。因此，對于連續(xù)生產(chǎn)系統(tǒng)，例如電力系統(tǒng)的汽輪發(fā)電機組、冶金過程及化工過程的關(guān)鍵設(shè)備等，故障診斷具有極為重要的意義。小波網(wǎng)絡是小波分析理論與人工神經(jīng)網(wǎng)絡理論完美結(jié)

2、合的產(chǎn)物，它兼容了小波與神經(jīng)網(wǎng)絡的優(yōu)越性，一方面，充分利用了小波變換的時頻局部化特性；另一方面，充分發(fā)揮了神經(jīng)網(wǎng)絡的自學習能力，從而具有較強的逼近與容錯能力。由于其優(yōu)越的特性，小波網(wǎng)絡被廣泛用于信號處理、函數(shù)擬合、數(shù)據(jù)預測、系統(tǒng)辨識、故障診斷和自動控制等多個方面。當然，小波網(wǎng)絡也存在不足之處：構(gòu)造比較復雜，相比BP網(wǎng)絡而言，小波網(wǎng)絡的運算復雜度增加了；而且高維小波網(wǎng)絡映射學習時容易產(chǎn)生“維數(shù)災”問題。 本文從小波分析理論出發(fā)構(gòu)造

3、緊湊型小波神經(jīng)網(wǎng)絡，并對基于傳統(tǒng)BP算法的小波神經(jīng)網(wǎng)絡進行了改進，探討了小波神經(jīng)網(wǎng)絡的初始參數(shù)設(shè)置和小波類型、小波時頻參數(shù)和學習樣本等聯(lián)系起來的小波神經(jīng)網(wǎng)絡的初始參數(shù)設(shè)置方法，該方法有別于傳統(tǒng)網(wǎng)絡初始權(quán)值的隨機賦值，提高了網(wǎng)絡的穩(wěn)定性及收斂精度。并引入了基于BP算法的小波神經(jīng)網(wǎng)絡改進算法并應用于旋轉(zhuǎn)機械故障診斷實例中，從而避免了傳統(tǒng)算法網(wǎng)絡結(jié)構(gòu)確定效率低的缺點，并有效的改善了網(wǎng)絡的學習性能。有效克服了基于BP算法的小波神經(jīng)網(wǎng)絡存在的一些