基于提升小波的故障診斷方法研究.pdf

1、本文針對工業(yè)過程中數(shù)據(jù)都含有噪聲和故障診斷準(zhǔn)確性、快速性達(dá)不到要求的問題，提出了一種基于提升小波的故障診斷方法。首先利用提升小波閾值去噪法對數(shù)據(jù)進(jìn)行去噪預(yù)處理，之后用增量概率神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行故障診斷分類。為了證明該方法的有效性，將其應(yīng)用于TE和青霉素發(fā)酵兩個(gè)化工過程。結(jié)果表明，提升小波閾值去噪和增量概率神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷方法具有較好的故障診斷性能。
　　針對去噪問題，采用提升小波閾值法對TE和青霉素發(fā)酵過程進(jìn)行實(shí)驗(yàn)。小波分

2、析是一種具有時(shí)頻局域化的信號分析方法，非常適用于非平穩(wěn)信號的處理，提升小波具有通用靈活的特點(diǎn)，而且還有高效的提升實(shí)現(xiàn)算法。在提升小波閾值去噪時(shí)，小波基的選擇、分解尺度的確定、閾值函數(shù)和門限閾值的選擇是關(guān)乎去噪效果的關(guān)鍵問題。論文中對這個(gè)四個(gè)問題進(jìn)行了仿真實(shí)驗(yàn)分析，確定了比較合適的小波基和分解尺度，并重點(diǎn)研究了閾值函數(shù)和門限閾值的選擇，研究對比了軟閾值、硬閾值、雙變量閾值和自適應(yīng)閾值的優(yōu)缺點(diǎn)。
　　為了提高故障診斷的快速性，提出了一

3、種基于提升小波的增量式學(xué)習(xí)方法，即提升小波增量概率神經(jīng)網(wǎng)絡(luò)。增量概率神經(jīng)網(wǎng)絡(luò)是對概率神經(jīng)網(wǎng)絡(luò)的改進(jìn)，更適合于數(shù)據(jù)規(guī)模比較大的工業(yè)過程。論文中將增量概率神經(jīng)網(wǎng)絡(luò)與提升小波閾值去噪相結(jié)合，進(jìn)行實(shí)驗(yàn)對比研究，并用VB和MATLAB軟件對故障診斷系統(tǒng)進(jìn)行設(shè)計(jì)。結(jié)果表明，對數(shù)據(jù)進(jìn)行提升小波去噪，可以提高故障診斷的準(zhǔn)確率，概率神經(jīng)網(wǎng)絡(luò)的增量式學(xué)習(xí)方式可以減少故障診斷的時(shí)間，提高故障診斷的快速性。
　　理論和實(shí)驗(yàn)分析表明，本文提出的基于提升小波