基于集成神经网络的机电设备智能故障诊断方法研究

《基于集成神经网络的机电设备智能故障诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP18密级：UDC：621.3编号：201221202096河北工业大学硕士学位论文基于集成神经网络的机电设备智能故障诊断方法研究论文作者：宗银雪学生类别：全日制学科门类：工学硕士学科专业：机械工程指导教师：李铁军职称：教授资助基金项目：国家自然科学基金（编号：51175145）DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofMechanicalEngineeringRESEARCHONINTELLIGE

2、NTFAULTDIAGNOSISOFELECTROMECHANICALEQUIPMENTBASEDONINTEGRATEDNEURALNETWORKSbyZongYinxueSupervisor:Prof.LiTiejunMarch2016ThisworksupportedbytheNationalNaturalScienceFoundationofChina,No.51175145.河北工业大学硕士学位论文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

3、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

4、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

5、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

6、准确性和实时性上都有显著提升。关键词：机电设备振动信号特征提取故障诊断EMD-ICA集成神经网络I基于集成神经网络的机电设备智能故障诊断ABSTRACTElectromechanicalequipmenthasbecomeincreasedautomation,information,andintelligencewiththeperfectionofitsfunctions.Theresearchinconditionmonitoringandfaultdiagnosisofdeviceshasbeco

7、metheeffectivemeanstoensurethesafetyofproductionandgrowthofeconomic.Thevibrationsignalisthemostwidelyusedsensinginformationintheconditionmonitoringandfaultdiagnosisbecauseofitseasyacquisition,richinformationandhighsensitivity.However,theoperatingenvironme

8、ntofmechanicalequipmentisnoisyandthefaultsignalisnon-linearandnon-smooth,whichmaketheexistingmethodofconditionmonitoringandfaultdiagnosishavemanyshortcomings.Thepaperdoessomeoptimizationandimprovementsinnoisesuppres