基于RBF神經(jīng)網(wǎng)絡(luò)的電梯故障診斷方法研究.pdf

1、隨著電梯市場需求的增大，國家對電梯的安全與舒適度的要求也更加嚴(yán)苛，由于電梯本身是比較復(fù)雜的結(jié)構(gòu)，容易在使用的過程中出現(xiàn)各種各樣的問題，因此電梯運(yùn)行狀態(tài)監(jiān)測和故障診斷就越來越受到關(guān)注。
　　人工神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域中的應(yīng)用越來越廣泛，并且以BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)為主，由于BP有容易陷于局部極小的問題，而RBF以其結(jié)構(gòu)簡單、訓(xùn)練速度快，并且不存在局部極小的問題。因此本文將RBF神經(jīng)網(wǎng)絡(luò)與電梯故障診斷結(jié)合起來，對其方法進(jìn)行研究。

2、
　　本文研究的就是應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行電梯的故障診斷。采用電梯故障數(shù)據(jù)分別來自于已有文獻(xiàn)中的實(shí)測數(shù)據(jù)，第一組是引起電梯轎廂振動的6種故障數(shù)據(jù)，第二組是電梯急停故障數(shù)據(jù)。針對這兩組數(shù)據(jù)，用Matlab進(jìn)行算法的仿真測試。
　　本文構(gòu)建了基于RBF神經(jīng)網(wǎng)絡(luò)下的電梯故障診斷模型，通過診斷結(jié)果的均方誤差與網(wǎng)絡(luò)結(jié)構(gòu)來對仿真結(jié)果進(jìn)行分析；仿真實(shí)現(xiàn)了已有四種算法下電梯故障診斷，經(jīng)過對仿真結(jié)果的分析得出如下結(jié)論：原始算法的網(wǎng)絡(luò)結(jié)構(gòu)對樣本

3、數(shù)據(jù)的依賴性大；K-Means-RBF算法可以合理的選擇網(wǎng)絡(luò)結(jié)構(gòu)但是診斷結(jié)果的隨機(jī)性大；OLS-RBF算法在保證診斷精度的條件下，網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜；Rough-K-Means-RBF算法結(jié)合粗糙集進(jìn)行K-Means聚類，并將聚類作用在網(wǎng)絡(luò)隱含層輸出中，有效的降低了診斷結(jié)果的隨機(jī)性；針對Rough-K-Means-RBF網(wǎng)絡(luò)模型中的存在不足與相關(guān)參數(shù)的確定進(jìn)行優(yōu)化。不足之處是在選擇隱含層神經(jīng)元過程可能會出現(xiàn)影響算法進(jìn)程的狀況，此外 Rou