《基于混合杂草算法神经网络的转子故障数据分类方法研究》由会员分享，可在线阅读，更多相关《基于混合杂草算法神经网络的转子故障数据分类方法研究（90页珍藏版）》请在金锄头文库上搜索。
1、学校代号：1 0 7 3 1 学号：0 9 2 0 8 0 4 0 2 0 0 2 密级：公开 兰州理工大学硕士学位论文 基于混合杂草算法神经网络的转子故障 数据分类方法研究 学位申请人姓： 胡堂塞 导师姓名及职称： 赵苤趁数援彭越副教援 培养单位： 扭电王狸堂院 专业名称： 测达让量控苤厘戗墨 论文提交日期：2 Q12 生主目2 Q 目 论文答辩日期：2 Q1 2 生鱼目l 目 答辩委员会主席： 奎国宏数援级高王 R e s e a r c ho nf a u l td a t ac l a s s f i c a t i o nB a s e do nh y b r i di n v a
2、s i v ew e e d o p t i m i z a t i o n N e u r a lN e t w o r k H U C h a n g a n B E ( L i nY iU n i v e r s i t y ) 2 0 0 9 At h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no f t h e R e q u i r e m e n t sf o rt h ed e g r e eo f M a s t e ro fS c i e n c e E n g i n e e r i n
3、g i nt h e G r a d u a t eS c h o o l o f L a n z h o u U n i v e r s i t yo fT e c h n o l o g y S u p e r v i s o r P r o f e s s o rZ H A OR o n g z h e n M a y , 2 0 1 2 兰州理工大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献
4、的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期易刎z 年彭月乡日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有 权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权兰州理工大学可以将本学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同 时授权中国科学技术信息研究所将本学位论文收录到中国学位论文全文数据 库，并通过网络向社会公众提供信息服务。 作者签名： 导师签名： 日期泛移三年占月石日 日期伊石月日 硕
5、l ：学位论文 摘要 A B S T R A C T 插图索引 附表索引 目录 I V 第1 章绪论 V I 。I l l 1 1 选题背景及意义。1 1 2 旋转机械故障诊断技术。2 1 3 神经网络及智能算法在故障诊断领域的国内外研究现状4 1 3 1 国外研究现状5 1 3 2 国内研究现状5 1 4 主要内容与安排。6 第2 章神经网络及智能算法理论 8 2 1B P 神经网络的基本理论8 2 1 1 神经网络概述8 2 1 2B P 神经网络模型与学习算法8 2 1 3 神经网络分类器概述1 0 2 2 遗传算法13 2 2 1 遗传算法的概述1 3 2 2 2 遗传算法的特点13
6、2 2 3 遗传算法的术语说明1 4 2 2 4 遗传算法的实现机制15 2 3 粒子群算法18 2 3 1 粒子群算法的概述。l8 2 3 2 粒子群算法流程。2 0 2 3 3P S O 算法参数的设置2 0 2 3 4P S O 算法的优点2 2 2 4 杂草优化算法2 2 2 4 1 杂草生态学简述。2 2 2 4 2 杂草优化算法的概述2 3 2 4 3 杂草优化算法的流程2 3 2 4 4I W O 算法的全局收敛性2 4 基于基于混合杂草优化算法- 神纤网络的转了故障数据分类研究 2 4 5 杂草优化算法的参数设置2 5 2 5 本章小结2 6 第3 章典型故障信号的分析和特征提
7、取2 7 3 1 引言。2 7 3 2 转子实验台简介2 7 3 3 典型故障信号概述2 8 3 3 1 动静碰摩故障2 8 3 3 2 转子不平衡故障。2 8 3 3 3 转子底座松动故障。2 8 3 3 4 转子不对中故障2 9 3 4 信息熵的概念及性质2 9 3 5 振动信号的信息熵描述3 l 3 5 1 振动信号的奇异谱熵3 1 3 5 2 振动信号的功率谱熵3 2 3 5 3 振动信号的时频域谱熵一3 3 3 5 4 常用信号及其熵谱值。3 5 3 6 基于信息熵的转子系统故障诊断3 5 3 7 本章小结3 6 第4 章基于H I W O - N N 的数据分类模型设计3 7 4
8、1 基本原理3 7 4 2 数据的归一化3 7 4 2 1 样本归一化的概念3 7 4 2 2 数据信息熵的归一化3 8 4 3B P 神经网络结构设计3 9 4 3 1 拓扑结构3 9 4 3 2 隐层节点数。3 9 4 3 3 传递函数的选择4 0 4 3 4 输出层节点数4 0 4 4H I W O 算法设计。4 0 4 4 1 编码4 0 4 4 2 适应度函数4l 4 4 3 子代的矢量跟踪4 1 4 4 4 交叉操作4 2 4 4 5 其它H I W O 算法参数的设置4 2 硕I ：学位论文 4 5 典型测试函数4 2 4 6 数值仿真4 3 4 7 本章小结4 6 第5 章转子
9、故障诊断系统的设计与实现。4 7 5 1 转子故障特征向量计算4 7 5 2 转子故障的神经网络分类器设计4 7 5 3 基于M A T L A BG U I 的转子故障诊断系统的实现4 9 5 3 1M A T L A BG U I 简介4 9 5 3 2M A T L A BG U I 的设计原则和流程4 9 5 3 3 基于M A T L A BG U I 的转子故障诊断系统的功能5 0 5 3 4 基于M A T L A BG U I 的转子故障诊断系统的实现5 0 5 4 本章小结5 5 结论与展望 主要结论5 6 研究展望5 6 参考文献 致谢 附录A 攻读学位期间所发表的学术论文目录 附录B 参加科研项目情况 5 8 6 2 6 3 6 4 基于荩于混合杂草优化算法神绎网络的转了故障数据分类研究 摘要 近年来，随着现代机械设备的大型化、复杂化、自动化和连续化，开展机械设备的 故障诊断技术的研究具有重要的现实意义。目前，国内外学者在此方面做了大量的工作， 使得相关的理论与应用取得的迅猛的发展。机械故障诊断是通过研究故障与征兆之间的 关系来判断设备故障的，而故障与征兆之间表现出的非常复杂的非线性关系，很难用数 学模型加以精确的描述，给机械的故障诊断带来很大的不便。人工神经网络是一种重要 的人工智能行为，是一个非线性计算系统，可以实现故障与征兆之间复杂的非线性映射 关系，
