

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經網絡的故障診斷研究.pdf
- 基于神經網絡的電機故障診斷.pdf
- 基于RBF神經網絡的故障診斷.pdf
- 基于神經網絡的電器故障診斷研究.pdf
- 基于神經網絡的鍋爐故障診斷研究.pdf
- 基于人工神經網絡的故障診斷
- 基于bp神經網絡的故障診斷方法
- 基于神經網絡的接地網故障診斷研究.pdf
- 基于模糊神經網絡的電網故障診斷.pdf
- 基于集成神經網絡的凝汽器故障診斷.pdf
- 基于神經網絡的轉爐風機故障診斷.pdf
- 基于神經網絡的電廠鍋爐故障診斷研究.pdf
- 基于多重神經網絡的電路故障診斷研究.pdf
- 基于神經網絡的汽車故障診斷的研究.pdf
- 基于神經網絡的礦井風機故障診斷.pdf
- 基于神經網絡的電梯故障診斷方法研究.pdf
- 基于概率神經網絡的電機故障診斷研究.pdf
- 基于小波神經網絡的故障診斷研究.pdf
- 基于模糊神經網絡的汽車故障診斷方法研究.pdf
- 基于RBF神經網絡的電梯故障診斷方法研究.pdf
評論
0/150
提交評論