【正文】 構(gòu) ................................................................................................ 21 BP 算法描述 ............................................................................................................ 22 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點 ............................................................................................ 24 BP 神經(jīng)網(wǎng)絡(luò)的設(shè)計 ....................................................................................................... 24 學(xué)習(xí)樣本的確定 ..................................................................................................... 24 網(wǎng)絡(luò)層數(shù)的考慮 ..................................................................................................... 25 輸入、輸出和隱含層的設(shè)計 .................................................................................. 25 激勵函數(shù)的選擇 ..................................................................................................... 26 網(wǎng)絡(luò)初始值的選取 .................................................................................................. 26 學(xué)習(xí)算法的選擇 ...................................................................................................... 26 學(xué)習(xí)速率 ................................................................................................................. 26 訓(xùn)練停止條件 ......................................................................................................... 27 BP 神經(jīng)網(wǎng)絡(luò)在故障 診斷中的應(yīng)用 ............................................................................... 27 BP 神經(jīng)網(wǎng)絡(luò)故障診斷結(jié)果分析 ................................................................................... 30 第 5 章 GA+BP 神經(jīng)網(wǎng)絡(luò)及其在故障診斷中的應(yīng)用 ........................................................ 31 遺傳算法簡介 ................................................................................................................ 31 標(biāo)準(zhǔn)遺傳算法 ................................................................................................................ 31 遺傳算法的特點 ............................................................................................................ 32 GA+BP 算法 設(shè)計 ........................................................................................................... 33 遺傳 編碼與解碼 ..................................................................................................... 33 適應(yīng)度函數(shù)的設(shè)計 ................................................................................................. 36 遺傳算子的設(shè)計 ..................................................................................................... 36 控制參數(shù)的選擇 ..................................................................................................... 39 vi GA+BP 算法的步驟 ................................................................................................ 41 GA+BP 神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用 ....................................................................... 42 網(wǎng)絡(luò)的設(shè)計 .............................................................................................................. 42 故障診斷仿真實驗 ................................................................................................. 43 故障診斷結(jié)果分析 ................................................................................................. 45 BP 神經(jīng)網(wǎng)絡(luò)與 GA+BP 神經(jīng)網(wǎng)絡(luò)故障診斷結(jié)果對比分析 ........................................ 45 結(jié)論 ........................................................................................................................................ 47 參考文獻 ................................................................................................................................ 49 攻讀學(xué)位期間取得的成果 ...................................................................... 錯誤 !未定義書簽。 為了解決上述問題，本文研究設(shè)計了 GA+BP 算法。 若有不實之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。 與我一同工作的同志對研究所做的任何貢獻均已在論文中作出了明確的說明。 本文采用具有一個隱含層的三層 BP 神經(jīng)網(wǎng)絡(luò) 進行故障診斷 ， 深入 分析故障診斷 的結(jié)果 后 發(fā)現(xiàn) ：第一， 網(wǎng)絡(luò)容易 陷入極小值而 導(dǎo)致 診斷失敗 ；第二，網(wǎng)絡(luò) 的 隱 含 層節(jié)點數(shù)難以確定。 由此可見 ， GA+BP神經(jīng)網(wǎng)絡(luò) 能夠更好的進行 平流泵的 故障診斷工作。目前 ， 許多大規(guī)模高精 技術(shù)設(shè)備 正在我國 廣 泛應(yīng)用 ，因此 ，對大型設(shè)備進行檢測、診斷、控制，是保證設(shè)備正常運行，充分發(fā)揮最大效益的關(guān)鍵環(huán)節(jié)。雖然我國 設(shè)備診斷技術(shù) 起步較晚，但發(fā)展速度還是比較 快 的 ，如西安交通大學(xué)的“大型旋轉(zhuǎn)機械計算機狀態(tài) 檢測第 1 章 緒論 2 與故障診斷系統(tǒng)”，哈爾濱工業(yè)大學(xué)的“機組振動微機監(jiān)測和故障診斷系統(tǒng)”，東北大學(xué)的“風(fēng)機工作狀態(tài)監(jiān)測診斷系統(tǒng)”等。 參數(shù)估計故障診斷方法的基本思想是把理論建模和參數(shù)辨識結(jié)合起來。目前應(yīng)用的較多的是基于小波變換的方法和基于信息融合的方法 。 基于定性 模型的方法包括定性觀測器、定性仿真 、 知識觀測器等。 論文的研究內(nèi)容 本文 著重研究 神經(jīng)網(wǎng)絡(luò)的故障診斷方法。它是 用遺傳算法 首先 對 BP神經(jīng)網(wǎng)絡(luò) 進行前期優(yōu)化，以確定網(wǎng)絡(luò) 的隱含層節(jié)點數(shù)及該結(jié)構(gòu)對應(yīng)的初始權(quán)值、閾值和學(xué)習(xí)速率，然后用得到 的 最優(yōu) 網(wǎng)絡(luò)對平流泵進行故障診斷， 以期 達到 較 BP神經(jīng)網(wǎng)絡(luò)有著 更 高 診斷 正確率 和 更優(yōu)訓(xùn)練性能 等效果。 儀器原理為： 使用一臺液壓機提供閉合壓力，該壓力作用于平板夾持器上（長期導(dǎo)流需經(jīng)過足夠的時間讓支撐劑達到半穩(wěn)定狀態(tài)），然后讓測試液體（或氣體）流過支撐劑層，測出不同壓力條件下的裂縫寬度、壓差及流速，最后用達西定律計算出支撐劑的滲透率及裂縫導(dǎo)流能力。其中，平流泵 的 流量 范圍是 ～ ， 壓力 范圍是 0～ 40Mpa，流量可調(diào)且恒流輸出。 平 流 泵截 止 閥 1平 板 夾 持 器截 止 閥 2導(dǎo) 流 室端 子 板 P C L D 8 7 1 0上 游 壓 力傳 感 器下 游 壓 力傳 感 器計 算 機采 集 板 P C I 1 7 1 0R S 2 3 2圖 中 ： 表 示 信 號 傳 遞 ， 表 示 液 體 流 向電 子 天 平中 間 容 器 應(yīng)用 軟件 介紹 應(yīng)用軟件使用 編寫，其特點主要有： (1) 采用了結(jié)構(gòu)化、模塊化的程序設(shè)計方法，程序結(jié)構(gòu)清晰，模塊功能明確。 圖 21 實驗裝置 流程圖 Fig21 The Flow diagram of experiment equipment 第 2 章 故障信號的采集 8 數(shù)據(jù)處理窗體 能按照用戶的要求，顯示某次實驗的數(shù)據(jù)，并根據(jù)需要打印輸出相應(yīng)的數(shù)據(jù)和曲線。 2. 啟動應(yīng)用軟件， 進入“系統(tǒng)自檢”窗體， 檢查傳感器是否工作正常。胡戰(zhàn)虎根據(jù)圖像的小波系數(shù)具有很強的非高斯統(tǒng)計特性這一特點，對小波系數(shù)建立 了 推廣的拉普拉斯先驗分布，用貝葉斯估計對圖像小波系數(shù)濾波 以 達到降噪目的， 由于正交小波的正交性質(zhì)能夠保證白噪聲干擾圖像的小波系數(shù)所包含的噪聲是白 色的， 因此 基于正交小波變換的貝葉斯估計有較好的降噪性能 [10]。吳小培、馮煥清等用小波變換對含有瞬態(tài)干擾的腦電信號進行多尺度分解，在某些尺度下，瞬態(tài)信號特征得以明顯增強，用簡單的閾值比較就可以有效地檢測并消除瞬態(tài)干擾。 三維編碼和二維解碼， 雖 使編碼效率大大提高，但 并 沒有解決復(fù)雜度的問題 [18]。 式 (31)為小波函數(shù)的可容 許條件。其分解關(guān)系為： 1 1 2 2 1 3 3 2 1S A D A D D A D D D? ? ? ? ? ? ? ? ? (33) 設(shè) jV 表示圖中分解的低頻部分 A， jW 表示分解中的高頻部分 D，則空間 jW 為信號 f在 jV 關(guān)于 1jV? 的正交補空間，即 1j j jV V W? ?? (34) 很明顯，多分辨率分析的子空間 0V 可以用有限個子空間來逼近，即有 0 1 1 2 2 1 1 2 1NNNV V W V W W V W W W W?? ? ? ? ? ? ? ? ? ? ?… (35) 這種剖析方式使得空間 jV 和空間 jW 正交，各個 jW 之間也是正交 的 。遞推下去得小波包分解的一般表達式為 2311j j jW U U???? 4 5 6 71111j j j j jW U U U U????? ? ? ? (39)