基于神經網絡的故障診斷系統(tǒng)的研究與實現.pdf

1、隨著信息技術的飛速發(fā)展，設備日趨集成化與復雜化。對于如何能及時從大量實時狀態(tài)數據中發(fā)現故障，保證設備在工作期間高效、可靠的運行具有重要的研究意義。傳統(tǒng)的故障診斷方法存在實時性差、依賴于主觀經驗等缺陷，針對故障的多樣性、復雜性、隱蔽性常常無能為力。特別是在面臨大規(guī)模數據集時，并不能高效的進行分析處理。本文針對傳統(tǒng)故障診斷的缺陷，深入研究了人工神經網絡技術中BP算法，并應用于故障診斷之中，以完成對復雜設備的高效、準確的故障診斷。
　　

2、本文首先通過對國內外故障診斷系統(tǒng)的研究、應用現狀和發(fā)展趨勢的論述，探討了傳統(tǒng)故障診斷系統(tǒng)在分析處理方面的不足之處，從而提出了將人工神經網絡中的BP算法技術引入故障診斷系統(tǒng)。對神經網絡的基本概念和核心技術做了闡述，討論了幾種神經網絡的關鍵技術。接著介紹了設備故障診斷的發(fā)展及關鍵技術研究。然后研究了遺傳算法，并提出基于遺傳算法改進的BP算法，針對BP算法收斂速度慢及容易陷入局部最小值的缺點，采用分段區(qū)隨機選擇初始值，以及通過遺傳算法選擇節(jié)點