基于小波神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷方法研究.pdf

1、神經(jīng)網(wǎng)絡(luò)以其固有的記憶能力、自學(xué)習(xí)能力以及強(qiáng)容錯性為故障診斷問題提供了一個新方法。本文針對科學(xué)實(shí)驗(yàn)中廣泛使用的平流泵的故障特點(diǎn)，深入研究了BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法。 首先用小波包分析技術(shù)做信號處理。選取db3小波函數(shù)，用硬閾值小波包降噪的方法將信號降噪，然后進(jìn)行小波包分解與重構(gòu)，以提取信號的能量特征向量，并將得到的特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入。 本文采用具有一個隱含層的三層。BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，深入分析故障診斷的結(jié)

2、果后發(fā)現(xiàn)：第一，網(wǎng)絡(luò)容易陷入極小值而導(dǎo)致診斷失??；第二，網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)難以確定。為了解決上述問題，本文研究設(shè)計了GA+BP算法。該方法是將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合。首先，GA對BP神經(jīng)網(wǎng)絡(luò)做前期優(yōu)化，確定出最佳網(wǎng)絡(luò)結(jié)構(gòu)及該結(jié)構(gòu)對應(yīng)的初始權(quán)值、閾值和網(wǎng)絡(luò)的學(xué)習(xí)速率；然后，構(gòu)造具有最佳結(jié)構(gòu)和參數(shù)的神經(jīng)網(wǎng)絡(luò)來進(jìn)行故障診斷。GA+BP算法的設(shè)計中，把每個染色體分解為連接基因和參數(shù)基因，對這兩部分采取不同的遺傳操作。連接基因采用二進(jìn)制編碼方法

3、，參數(shù)基因采用實(shí)數(shù)編碼方法；連接基因采用一點(diǎn)交叉方式和基本變異方式，參數(shù)基因中的權(quán)閾基因和速率基因各自采用算術(shù)交叉方式和非均勻變異方式。另外，交叉算子和變異算子都采用自適應(yīng)的方法。 GA+BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)故障診斷的結(jié)果對比后可以看到：第一，GA+BP神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)的工作量少，且克服了陷入局部極小的缺點(diǎn)，有更好的訓(xùn)練性能；第二，GA+BP神經(jīng)網(wǎng)絡(luò)的故障診斷準(zhǔn)確率高于BP神經(jīng)網(wǎng)絡(luò)。由此可見，GA+BP神經(jīng)網(wǎng)絡(luò)能夠更