原文传递
人工神经网络在工业设备故障预测中的应用
| 论文题名： | 人工神经网络在工业设备故障预测中的应用 |
| 关键词： | 船舶动力系统;传动轴系;故障预测;人工神经网络;深度学习 |
| 摘要： | 旋转机械是重要的工业设备，传统的故障检测非常繁琐成本较高。高效快速的预测技术被迫切需要，随着机器学习、深度学习理论算法的发展，机械人工智能在故障预测的应用成为了可能。 船舶传动轴系系统是船舶动力系统中的重要组成部分，传动系故障占到了船舶动力系统故障中的30%。因此，及时的设备故障预测对维护系统稳定运行有着重要作用。在人工智能兴起之前，一般采用通过传感器，获得设备振动数据，再对振动数据进行时频分析，进行故障预测。该方法复杂繁琐，且需要预测人员有专业知识。本文欲通过人工智能方法，训练一个故障预测神经网络，直接根据振动数据进行故障预测，这样简单直接，可避免繁琐的时频分析，且不需要有专业的时频分析知识。 本文先通过传统时频分析方法，对某类型船舶的传动系统进行了分析和研究，预测传动系故障类型。后基于人工神经网络算法，先搭建神经网络模型，再对其进行训练，最后进行故障预测，发现其预测的准确率能够达到95%。所计算和研究的过程和结果为船舶动力系统传动系故障的预测提供了重要的方向和思路。 |
| 作者： | 梁琛 |
| 专业： | 应用数学 |
| 导师： | 张振宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海财经大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
