基于神經(jīng)網(wǎng)絡(luò)的機械振動故障診斷系統(tǒng)設(shè)計.pdf

1、隨著機械設(shè)備復(fù)雜程度和自動化水平的提高，機械設(shè)備故障診斷的重要性日益顯著，而選擇合適的診斷方法對于診斷結(jié)果是否精確就顯得更為重要。隨著計算機技術(shù)的普及，故障的智能診斷顯示出極大的優(yōu)勢。人工神經(jīng)網(wǎng)絡(luò)模仿人腦的物理結(jié)構(gòu)，以其強大的并行運算和聯(lián)想能力非常適合于機械設(shè)備故障診斷，神經(jīng)網(wǎng)絡(luò)技術(shù)其信息的并行分布式處理在設(shè)備故障診斷中更顯其優(yōu)越性。 首先，本文系統(tǒng)介紹機械故障診斷技術(shù)的重要性和國內(nèi)外發(fā)展現(xiàn)狀、趨勢的基礎(chǔ)上，指出了人工神經(jīng)網(wǎng)絡(luò)理

2、論應(yīng)用于機械故障診斷技術(shù)具有極大的應(yīng)用價值和發(fā)展?jié)摿ΑＭ瑫r也指出，我國目前人工神經(jīng)網(wǎng)絡(luò)理論在機械故障診斷領(lǐng)域的應(yīng)用還不完善，仍處于發(fā)展階段。 然后，本文介紹機械設(shè)備振動診斷技術(shù)的相關(guān)理論及分析方法，針對旋轉(zhuǎn)機械振動的特點，進行了典型故障機理分析。研究了人工神經(jīng)網(wǎng)絡(luò)的基本原理、模型結(jié)構(gòu)和算法，選擇了BP神經(jīng)網(wǎng)絡(luò)作為機械設(shè)備故障診斷的方法。由于BP算法采用梯度下降法，存在收斂速度慢且易于陷入局部最小點等缺點，采用基于數(shù)值優(yōu)化Leve

3、nberg-Marquardt(LMBP)算法。針對旋轉(zhuǎn)機械的典型故障特征，確定了適合故障診斷的神經(jīng)網(wǎng)絡(luò)的模型，并對現(xiàn)場發(fā)生的故障進行分析與診斷，證明LMBP網(wǎng)絡(luò)可以大大提高故障診斷的準確度。 本文提出了基于神經(jīng)網(wǎng)絡(luò)的機械振動故障診斷系統(tǒng)的方案，在Windows開發(fā)平臺上，基于Delphi 7開發(fā)環(huán)境，采用面向?qū)ο蟮某绦蛟O(shè)計思想和模塊化的程序設(shè)計，對本系統(tǒng)進行了軟件的實現(xiàn)。本系統(tǒng)主要包括文件管理模塊，參數(shù)設(shè)置模塊，信號分析模塊、