基于EMD和神經(jīng)網(wǎng)絡的結(jié)構(gòu)故障診斷與在線監(jiān)測研究.pdf

1、振動分析是進行結(jié)構(gòu)故障診斷與在線監(jiān)測的重要手段。結(jié)構(gòu)的振動信號中常常含有大量噪聲，這使得信號和噪聲的頻譜在頻域內(nèi)發(fā)生了重疊。本文旨在研究適于結(jié)構(gòu)的振動信號處理方法。經(jīng)驗模態(tài)分解(EMD)是目前信號處理中最熱門的新興技術之一，而將經(jīng)驗模態(tài)分解方法應用于實際結(jié)構(gòu)振動信號處理方面，還不多見。本文以簡支梁結(jié)構(gòu)故障診斷仿真實驗為基礎，展開這方面的研究。
　　 本文介紹了經(jīng)驗模態(tài)分解方法(EMD)和神經(jīng)網(wǎng)絡(NN)的原理，研究了經(jīng)驗模態(tài)分解

2、和神經(jīng)網(wǎng)絡的算法。為研究結(jié)構(gòu)的故障診斷問題，對一簡支梁模型進行仿真研究。采用經(jīng)驗模態(tài)分解方法對簡支梁振動信號進行分解，對分解得到的前4個固有模態(tài)函數(shù)(IMF)分別求能量百分比，將IMF1-IMF4的能量百分比作為神經(jīng)網(wǎng)絡的輸入向量，用17種工況的8組樣本訓練了簡支梁故障診斷的網(wǎng)絡模型。仿真結(jié)果表明，2組測試樣本的測試結(jié)果均與實際狀況相一致。當出現(xiàn)網(wǎng)絡沒有訓練過的新故障時，檢查結(jié)構(gòu)，確定故障位置和類型，把新的故障數(shù)據(jù)加入到訓練樣本中，擴充