改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究.pdf

1、在現(xiàn)代化生產(chǎn)中，機(jī)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(dǎo)致設(shè)備本身損壞，甚至可能造成機(jī)毀人亡的嚴(yán)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(yùn)行，往往會涉及整個企業(yè)的生產(chǎn)系統(tǒng)設(shè)備的運(yùn)行，造成巨大的經(jīng)濟(jì)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(jī)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(luò)是小波分析理論與人工神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)的自學(xué)習(xí)能力，從而具有較強(qiáng)的逼近與容錯能力。由于其優(yōu)越的特性，小波網(wǎng)絡(luò)被廣泛用于信號處理、函數(shù)擬合、數(shù)據(jù)預(yù)測、系統(tǒng)辨識、故障診斷和自動控制等多個方面。當(dāng)然，小波網(wǎng)絡(luò)也存在不足之處：構(gòu)造比較復(fù)雜，相比BP網(wǎng)絡(luò)而言，小波網(wǎng)絡(luò)的運(yùn)算復(fù)雜度增加了；而且高維小波網(wǎng)絡(luò)映射學(xué)習(xí)時容易產(chǎn)生“維數(shù)災(zāi)”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(luò)，并對基于傳統(tǒng)BP算法的小波神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)，探討了小波神經(jīng)網(wǎng)絡(luò)的初始參數(shù)設(shè)置和小波類型、小波時頻參數(shù)和學(xué)習(xí)樣本等聯(lián)系起來的小波神經(jīng)網(wǎng)絡(luò)的初始參數(shù)設(shè)置方法，該方法有別于傳統(tǒng)網(wǎng)絡(luò)初始權(quán)值的隨機(jī)賦值，提高了網(wǎng)絡(luò)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(luò)改進(jìn)算法并應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷實(shí)例中，從而避免了傳統(tǒng)算法網(wǎng)絡(luò)結(jié)構(gòu)確定效率低的缺點(diǎn)，并有效的改善了網(wǎng)絡(luò)的學(xué)習(xí)性能。有效克服了基于BP算法的小波神經(jīng)網(wǎng)絡(luò)存在的一些