基于改进小波神经网络的故障识别方法研究

论文摘要

小波神经网络结合了神经网络的自学习特性和小波的局部特性,具有良好的自适应分辨性和良好的容错能力,因此在故障诊断领域得到了广泛的应用。传统的前馈神经网络多采用误差反向传播学习算法对网络进行训练,网络收敛速度慢且容易陷入局部极小点。针对这些缺点,本文将遗传算法引入到小波神经网络中,提高了小波神经网络的全局搜索能力。本文首先介绍了人工神经网络和小波分析的基础理论,建立了集小波分析与神经网络于一体的紧致型小波神经网络,并对其算法进行了推导;然后将遗传算法引入到小波神经网络,对网络进行改进,应用遗传算法得到网络的初始值,以期得到全局最优值;最后将改进的小波神经网络应用到故障诊断中,验证改进了的小波神经网络在故障诊断中的可行性和有效性。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 选题意义及背景
• 1.2 论文相关领域研究现状
• 1.2.1 故障诊断技术的发展现状
• 1.2.2 小波神经网络的发展历史和研究现状
• 1.2.3 小波神经网络在故障监测与诊断中的应用现状
• 1.3 论文的主要研究内容
• 第二章 小波神经网络
• 2.1 人工神经网络理论
• 2.1.1 人工神经元模型
• 2.1.2 神经网络的结构
• 2.1.3 神经网络的学习
• 2.1.4 BP网络的特点及局限性
• 2.2 小波分析理论
• 2.2.1 小波分析理论
• 2.2.2 小波变换
• 2.2.3 小波理论在信号分析中的应用
• 2.2.4 常用小波函数
• 2.3 小波神经网络算法研究
• 2.3.1 小波神经网络算法推导
• 2.3.2 小波神经网络算法的改进
• 2.3.3 参数选择
• 2.4 本章小结
• 第三章 基于遗传算法的小波神经网络
• 3.1 遗传算法的原理
• 3.1.1 染色体编码
• 3.1.2 适应值函数
• 3.1.3 遗传算子
• 3.1.4 算法的终止条件
• 3.1.5 算法参数
• 3.2 遗传算法的求解步骤
• 3.3 神经网络的遗传算法
• 3.3.1 遗传算法与神经网络的结合方式
• 3.3.2 神经网络的遗传算法的实现方法
• 3.4 本章小结
• 第四章 小波神经网络在故障诊断中的应用
• 4.1 故障诊断系统结构
• 4.1.1 信号采集
• 4.1.2 特征提取
• 4.1.3 故障识别
• 4.2 轴承故障诊断实例
• 4.2.1 滚动轴承故障机理
• 4.2.2 滚动轴承故障信号分析
• 4.2.3 轴承故障诊实现
• 4.3 齿轮故障诊断实例
• 4.3.1 齿轮常见故障描述
• 4.3.2 故障特征分析
• 4.3.3 齿轮故障诊断实现
• 4.3.4 小波神经网络与BP网络在故障分类中的比较
• 4.4 活塞压缩机故障诊断实例
• 4.4.1 试验描述
• 4.4.2 信号采集
• 4.4.3 特征值提取
• 4.4.4 诊断系统
• 4.4.5 遗传小波神经网络与传统小波神经网络诊断结果比较
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 研究展望
• 参考文献
• 致谢
• 在学期间发表学术论文和参加科研情况