【正文】 眾多性質(zhì)并參考工程經(jīng) 驗(yàn)的基礎(chǔ)上，選擇了適于本文 信號(hào) 處理 的小波函數(shù)，并 用該函數(shù)對(duì)信號(hào) 做 小波包降 噪、小波包分解與重構(gòu)，從而提取了中國石油大學(xué)（華東）碩士學(xué)位論文 5 故障的能量特征向量，為以后的 BP神經(jīng)網(wǎng)絡(luò)故障診斷工作打下基礎(chǔ)。 論文的組織結(jié)構(gòu) 論文的章節(jié)安排如下： 第 1 章 對(duì) 故障診斷的意義 ， 故障診斷技術(shù)的 研究現(xiàn)狀， 故障 診斷方法 ， 以及 MATLAB仿真平臺(tái) 作了 概述 ， 并介紹了 論文 的 研究內(nèi)容 和 論文 的 組織結(jié)構(gòu)。 鑒于傳統(tǒng)的 BP算法難于確定網(wǎng)絡(luò)結(jié)構(gòu)和初始參數(shù)以及容易陷入極小值等缺陷，本文研究設(shè)計(jì)了 GA+BP算法。 然后 將 特征向量作為 BP神經(jīng)網(wǎng)絡(luò)的輸入向量，通過對(duì)樣本的訓(xùn)練學(xué)習(xí)， 使之對(duì)不同類別的 故障數(shù)據(jù)得到設(shè)定 的不同輸出 。因此，本文針對(duì)該測試裝置中 的 平流泵展開故障診斷的研究。 CDLY20xx 長期導(dǎo)流能力測試裝置是油田井下作業(yè)中支撐劑評(píng)價(jià)實(shí)驗(yàn)不可或缺的設(shè)備之一。 本文的故障診斷仿真工作就是在 MATLAB 平臺(tái)上完成的。 MATLAB 是一套強(qiáng)有力的計(jì)算機(jī)應(yīng)用軟件，該軟件自推向市場以來，經(jīng)過近二十年的不斷發(fā)展 與更新，現(xiàn)已成為國際公認(rèn)的優(yōu)秀科技應(yīng)用軟件，加上其發(fā)展的過程中 融入 了 一些專業(yè)性的理論知識(shí)，從而出現(xiàn)了功能強(qiáng)大的 MATLAB 配套工具箱，如模糊邏第 1 章 緒論 4 輯工具箱（ Fuzzy Logic Control）、小波工具箱（ Wavelet Toolbox）、神經(jīng)網(wǎng)絡(luò)工具箱（ Neural Network Toolbox）、圖形化的系統(tǒng)模型設(shè)計(jì)與仿真環(huán)境（ Simulink）等。它的出現(xiàn)，不僅使科研和工程工作者克服了做大量的數(shù)學(xué)計(jì)算（包括矩陣計(jì)算）的困難，而且，它以豐富的函數(shù)庫使開發(fā)者省去了大量的重復(fù)編程工作。 MATLAB 仿真平臺(tái)簡介 美國 Mathwork 公司于 1967 年推出了 “Matrix Laboratory”（縮 寫為 Matlab）軟件包， 它是支持從概念設(shè)計(jì)、算法開發(fā)、建模仿真到實(shí)時(shí)實(shí)現(xiàn)的理想的集成環(huán)境。另外，模糊推理、定性觀測器等方法善于處理不確定、不準(zhǔn)確的知識(shí)，符合人的自然推理過程，它們與神經(jīng)網(wǎng)絡(luò)結(jié)合，有著巨大的應(yīng)用前景 [4,5]。 其中，神經(jīng)網(wǎng)絡(luò)方法是近年來研究得很多的一種有效的基于癥狀的方法?；谥R(shí)的方法還可以分為基于癥狀的方法和基于定性模型的方法。 呂伯權(quán)、谷勇等人提出了兩種針對(duì)信號(hào)在 多尺度 的 小波變換下 不同 表現(xiàn)行為 的 特點(diǎn)及利用小波網(wǎng)絡(luò)進(jìn)行系統(tǒng)故障診斷的方法。 基于信號(hào)處理的方法 又 可分為 直接測量系統(tǒng)輸入輸出方法、基于小波變換的方法、輸出信號(hào)處理方法、信息匹配診斷法、基于信息融合的方法、信息 校核方法等 [7]。等價(jià)空間方法的實(shí)質(zhì)是把測量信息分類，得到最一致的冗余數(shù)據(jù)子集，用于系統(tǒng)的狀態(tài)估計(jì)，并識(shí)別出最不一致的冗余數(shù)據(jù)，即可能發(fā)生故障的數(shù)據(jù)。狀態(tài)估計(jì)方法的基本思想是：首先重構(gòu)被控過程的狀態(tài)，通過與可測變量比較 而 構(gòu)成殘差序列，再構(gòu)造適當(dāng)?shù)哪Ｐ筒⒂媒y(tǒng)計(jì)檢驗(yàn)法，從殘差序列中把故障檢測出來 。當(dāng)故障能由參數(shù)的顯著變化來描述時(shí)，可利用已有的參數(shù)估計(jì)方法來檢測故障信息，根據(jù)參數(shù)的估計(jì)值與正常值之間的偏差情況來判定系統(tǒng)的故障情況。 基于解析模型的方法 又可以分為參數(shù)估計(jì)方法、狀態(tài)估計(jì)方法和等價(jià)空間方法。其主要內(nèi)容是統(tǒng)計(jì)分析、相關(guān)分析、頻譜分析、小波分析和模態(tài)分析等，其理論基礎(chǔ)是數(shù)理統(tǒng)計(jì)與隨機(jī)過程。當(dāng)可以建立比較準(zhǔn)確的被控過程的數(shù)學(xué)模型時(shí)，基于解析模型的方法當(dāng)為首選；當(dāng)可以得到被控過程的輸入輸出信號(hào)，但很難建立被控對(duì)象的 解析數(shù)學(xué)模型時(shí)，可采用基于信號(hào)處理的方法；當(dāng)很難建立被控對(duì)象的定量數(shù)學(xué)模型時(shí)，可采用基于知識(shí)的方法。目前，故障診斷技術(shù)在我國的化工、冶金、電力、鐵路等行業(yè)得到了廣泛的應(yīng)用， 并 取得了可喜的成果 [3]。 我國 故障診斷技術(shù)的研究起步于 20世紀(jì) 70年代末期， 20世紀(jì) 80年代開始 蓬勃發(fā)展 ，隨后在各領(lǐng)域分別確定了設(shè)備診斷的目標(biāo)、方向和試點(diǎn)單位。英國在核發(fā)電、鋼鐵和電力 工業(yè)等方面都有提供診斷技術(shù)服務(wù) 的相應(yīng)機(jī)構(gòu) 。早在 20世紀(jì) 60年代末，美國國家宇航局就創(chuàng)立了 機(jī)械故障預(yù)防小組，英國也成立了機(jī)械保健中心，積極從事故障診斷技術(shù)的研究和開發(fā)。 本課題以 CDLY20xx長期導(dǎo)流能力測試裝置中的平流泵 為對(duì)象， 著重研究 BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法，以期為克服 BP神經(jīng)網(wǎng)絡(luò)的自身缺點(diǎn)做出菲薄貢獻(xiàn)，并為平流泵提供技術(shù)支撐 。 故障診斷技術(shù)的最終目的是避免故障 (尤其是重大事故 )的 發(fā)生，保障 人 身和設(shè)備安全， 推動(dòng)設(shè)備維修制度 改革， 延長檢修周期，提高維修 精度和速度，降低維修費(fèi)用，提高生產(chǎn)效率，獲得最佳經(jīng)濟(jì)效益。 因此 開展設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)研究，已成為當(dāng)前的重要課題。 生產(chǎn) 設(shè)備運(yùn)行狀態(tài)的優(yōu)劣直接影響著社會(huì)效益和經(jīng)濟(jì) 效 益。 關(guān)鍵詞： 故障診斷 ， 小波包，神經(jīng)網(wǎng)絡(luò)，遺傳算法 ii Research on Fault Diagnosis Method of Equipment Based on Wavelet Neural Network SUN Shihui（ Detection Technology and Automatic Equipment） Directed by Prof. ZHAO Shijun Abstract Neural work offers a new method for fault diagnosis owing to its memory ability, selflearning ability and strongly fault tolerance. This paper makes research on the fault diagnosis method of neural work deeply based on the fault characteristics of pump which is widely used in experiment. Wavelet packet analysis is used to do the signal processing. Wavelet 3db is chosen, and all signals are denoised by hard threshold denoising method. Then wavelet packet deposes and constructs the energy eigenvectors which are regarded as the input eigenvectors of the neural work. A threelayer BPNN is applied to do the fault diagnosis. The results of simulation show that the work traps in local minimum easily, and both the number of hidden neurons and the learning rate are difficult to decide either. In order to solve these questions above, this paper designs GA+BP algorithm. In this algorithm, geic algorithm is used to optimize the number of hidden neurons, the initial weights and thresholds, and the learning rate of BPNN first, and then fault diagnosis is done by this neural work which has the optimum structure and parameters. In GA+BP neural work, each chromosome is divided into the connection genes and the parameter genes, and different geic operations are carried on two parts. Connection genes are binary type and parameter genes are realvalued. Mixed crossover and mutation operations are operated on the connection genes and parameter genes separately. It means the connection genes adopt singlepoint crossover and simple mutation, and the parameter genes adopt arithmetic crossover and nonuniform mutation. Both the crossover and mutation operators adopt selfadaptive method. iii Comparing the simulation results of GA+BP neural work with BPNN, we know that GA+BP neural work has less work but high training performance, and the local minimum is inexistent. In addition, the GA+BP neural work can diagnose the failure more correctly than BPNN. In conclusion, GA+BP neural work can acplish the pump fault diagnosis much better. Key words: fault diagnosis, wavelet packet, neural work, geic algorithm iv 目 錄 第 1 章 緒論 ............................................................................................................................ 1 故障診斷的意義 .............................................................................................................. 1 故障診 斷技術(shù)的研究現(xiàn)狀 .............................................................................................. 1 故障診斷方法概述 .......................................................................................................... 2 MATLAB 仿真平臺(tái)簡介 ................................................................................................. 3 論文的研究內(nèi)容 .............................................................................................................. 4 論文的組織結(jié)構(gòu) .............................................................................................................. 4 第 2 章 故障信號(hào)的采集 ........................................................................................................ 6 儀器簡介 .......................................................................................................................... 6 實(shí)驗(yàn)方案設(shè)計(jì) .................................................................................................................. 6 實(shí)驗(yàn)裝置構(gòu)成 .............................