基于神經網絡的故障診斷研究.pdf

1、故障診斷是根據設備運行狀態(tài)信息查找故障源，并確定相應決策的一門綜合性的新興學科。隨著科技的發(fā)展、工業(yè)設備的復雜化以及自動化程度的提高，設備的安全性能也需要得到相應的改善，要提高復雜系統(tǒng)的可靠性，必須重視故障診斷技術的研究。因此開展設備狀態(tài)監(jiān)測與故障診斷技術研究，已成為當前的重要課題。
　　本文以三水箱實驗為背景，采用BP神經網絡和小波神經網絡方法進行三水箱泄漏故障診斷的研究。首先介紹了BP神經網絡模型及BP算法，并進行網絡設計，通

2、過實時提取三水箱運行狀態(tài)數據，來訓練并檢測所建立模型。為了進一步提高模型的精度和辨識速度，本文采用引入動量項和自適應調節(jié)學習率的方法對基本BP網絡模型進行改進。通過仿真檢測，經過改進的BP網絡在收斂速度和模型精度方面都得到了明顯改善。
　　盡管BP神經網絡能夠達到故障診斷的目的，但其診斷效果差強人意，為此，本文又介紹了一種新的神經網絡——小波神經網絡。小波神經網絡綜合了小波和神經網絡的優(yōu)點，是近幾年國際上的研究熱點。然而小波神經網

3、絡雖然具有其他神經網絡所不具有的特性，但同時也存在很多問題，針對小波神經網絡對初始值敏感的問題，本文采用了一種對網絡參數初始化的方法，通過實驗仿真，可以看到經過改進的小波神經網絡與未改進之前的小波神經網絡相比，不論在收斂速度、訓練精度還是診斷效果方面都得到了明顯的改善。
　　最后將本文采用的四種網絡——BP神經網絡、改進的BP神經網絡、小波神經網絡和改進的小波神經網絡——就其仿真結果做一個對比，通過對比得出:BP神經網絡和小波神經