基于神經網絡的機械振動故障診斷系統設計.pdf

1、隨著機械設備復雜程度和自動化水平的提高，機械設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果是否精確就顯得更為重要。隨著計算機技術的普及，故障的智能診斷顯示出極大的優(yōu)勢。人工神經網絡模仿人腦的物理結構，以其強大的并行運算和聯想能力非常適合于機械設備故障診斷，神經網絡技術其信息的并行分布式處理在設備故障診斷中更顯其優(yōu)越性。 首先，本文系統介紹機械故障診斷技術的重要性和國內外發(fā)展現狀、趨勢的基礎上，指出了人工神經網絡理

2、論應用于機械故障診斷技術具有極大的應用價值和發(fā)展?jié)摿?。同時也指出，我國目前人工神經網絡理論在機械故障診斷領域的應用還不完善，仍處于發(fā)展階段。 然后，本文介紹機械設備振動診斷技術的相關理論及分析方法，針對旋轉機械振動的特點，進行了典型故障機理分析。研究了人工神經網絡的基本原理、模型結構和算法，選擇了BP神經網絡作為機械設備故障診斷的方法。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，采用基于數值優(yōu)化Leve

3、nberg-Marquardt(LMBP)算法。針對旋轉機械的典型故障特征，確定了適合故障診斷的神經網絡的模型，并對現場發(fā)生的故障進行分析與診斷，證明LMBP網絡可以大大提高故障診斷的準確度。 本文提出了基于神經網絡的機械振動故障診斷系統的方案，在Windows開發(fā)平臺上，基于Delphi 7開發(fā)環(huán)境，采用面向對象的程序設計思想和模塊化的程序設計，對本系統進行了軟件的實現。本系統主要包括文件管理模塊，參數設置模塊，信號分析模塊、