原文传递
基于小波神经网络技术在盾构机故障诊断中的应用研究
| 论文题名： | 基于小波神经网络技术在盾构机故障诊断中的应用研究 |
| 关键词： | 小波分析;神经网络技术;盾构机;故障诊断;实时振动信号 |
| 摘要： | 近几年来，旋转机械设备日益大型化、智能化和复杂化，继而针对这些设备展开的状态监测和故障诊断技术也愈加重要。基于小波神经网络技术的故障诊断技术，由于其综合了神经网络的技术的非线性映射能力，自学习和自适应能力，泛化能力与容错能力，和小波分析技术在边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等领域的优势，近些年成了各大高校、研究所研究的热点。如何将小波神经网络运用的工程应用中，就成了当下研究的小波神经网络的焦点。本文以小波神经网络为基础，对盾构机主驱动电机采集的实时振动信号进行分析研究，探究小波神经网络在盾构机故障诊断中的应用。主要研究工作如下: 研究了盾构机的构成，分类及其工作方式，以及盾构机的历史与发展。着重分析了盾构机主部件的工作原理，及其相关的故障类型，故障特征，并总结成表，为后续的研究做下铺垫。 分析小波与傅里叶变换的不同，对比研究了小波变换相对傅里叶变换在处理非线性信号数据的时域、频域中的优势。并用dbN系列小波分析，处理从盾构机上采集的振动信号，证明了小波在处理盾构机振动信号上可行性。 调研神经网络的发展与应用，学习BP神经网络模型预测的原理及其应用，并将BP神经网络预测模型用到从盾构机上采集的振动数据，发现了BP神经网络模型在处理来自实时采集振动信号的缺陷与不足。 鉴于BP神经网络的不足，想到将两者合二为一，采用morlet小波代替BP神经网络的激励函数，并将建好的小波神经网络处理采集的振动信号，得到了误差收敛和计算速度均远好于BP神经网络处理的结果。 研究表明，基于小波神经网络的故障预测与诊断方法，可以用于盾构机的故障诊断，同时也对仿真与研究中许多工作的不足和需要做出的努力进行了初步探讨。 |
| 作者： | 付耀琨 |
| 专业： | 工程硕士 |
| 导师： | 陈宏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 郑州大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
