基于神經網絡的道岔智能故障診斷方法的研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著鐵路運行速度的逐年攀升,較快的列車運行速度對道岔提出了更加嚴格的要求。本論文是道岔監(jiān)測系統項目的一個子課題,是在道岔監(jiān)測系統提供的大量道岔狀態(tài)數據的基礎上,應用神經網絡對道岔進行智能故障診斷。本文是對道岔智能故障診斷的一次初步嘗試,目的是給道岔監(jiān)測系統的故障診斷功能提供一種可行性實現方法。
   論文首先介紹神經網絡的定義和原理,并分別的從兩個典型神經網絡——反向傳播神經網絡(BP神經網絡)和徑向基神經網絡(RBF神經網絡)

2、兩方面詳細闡述了網絡的構造,學習算法及其應用。隨后,為了方便構造神經網絡系統,在介紹道岔轉換系統結構的基礎上,分析各種典型故障的機理,對雜亂無章的各種故障進行了統一分類,并系統地介紹提供各種道岔監(jiān)測數據的道岔監(jiān)測系統。最后,運用MATLAB分別構造BP神經網絡模型和RBF神經網絡模型。多次測試后,對網絡性能進行對比研究,發(fā)現診斷結果基本達到預期的診斷要求,完成了道岔智能故障診斷的理論研究。
   本文重點在以下幾個方面進行探索與

3、研究:
   按照道岔故障機理和神經網絡結構特性,把道岔故障分為三類,每類構造一個子神經網絡,總體組建成一個并行神經網絡系統框架。
   選擇最優(yōu)BP算法。對某個子神經網絡構造BP神經網絡模型,應用多種常見BP算法分別對網絡訓練并測試,從測試結果中獲得每種BP算法的優(yōu)勢和劣勢。
   設計基于BP算法的并行神經網絡故障診斷模型。針對于每一個子神經網絡,利用經驗公式得出隱含層神經元個數的最小范圍,然后在最小范圍內對

4、隱含層神經元個數逐個嘗試,分析不同隱含層節(jié)點數對網絡性能的影響,采用Levenberg-Marquart算法構造最優(yōu)BP神經網絡。然后訓練網絡并進行故障診斷測試。
   設計基于RBF算法的并行神經網絡故障診斷模型。針對于每一個子神經網絡,通過多次試驗獲取隱含層神經元個數和徑向基分布密度的最優(yōu)值并構造性能最佳的RBF神經網絡,然后訓練網絡并進行故障診斷測試。
   通過一系列理論研究和大量仿真試驗證明:神經網絡技術運用在

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論