【正文】 機(jī)械故障診斷技術(shù)方面的研究和應(yīng)用則相對較晚，直到20 世紀(jì) 80 年代才開始著手組建故障診斷的研究機(jī)構(gòu)。1961 年美國開始執(zhí)行阿波羅計劃以后出現(xiàn)了一系列由設(shè)備故障造成的悲劇，引起了美國相關(guān)部門的重視。目前，多種方法相結(jié)合的診斷方法越來越受到重視，因為這種診斷技術(shù)能夠提高故障診斷率。其中，基于癥狀的故障診斷方法包括模式識別方法、模糊推理方法、專家系統(tǒng)方法和神經(jīng)網(wǎng)絡(luò)方法等；基于定性模型的故障診斷方法包括定性觀測器、定性仿真和知識觀測器等。(3)基于知識的故障滲斷方法這類方法與基于信號處理的故障診斷方法類似，也不需要系統(tǒng)的準(zhǔn)確的數(shù)學(xué)模型，它引入了診斷對象的許多信息，使它成為一種很有前途的故障斷方法，特別是在非線性系統(tǒng)領(lǐng)域。(2)基于信號處理的故障診斷方法這類方法不需要建立對象的準(zhǔn)確的模型，而是直接利用信號模型，如相關(guān)函數(shù)、高階統(tǒng)計量、頻譜和自回歸滑動平均過程以及小波分析技術(shù)等。現(xiàn)已證明了參數(shù)估計法比狀態(tài)估計法更適合于非線性系統(tǒng)，因為非線性系統(tǒng)的狀態(tài)光側(cè)傾的設(shè)計具有很大的難度。因為要求系統(tǒng)可觀測或者部分可觀測，所以通常用各種狀態(tài)觀測器或者濾波器進(jìn)行狀態(tài)估計。 故障診斷方法的分類隨著故障診斷技術(shù)的研究與發(fā)展，同時經(jīng)過 40 多年的技術(shù)積累，廣大的中外科學(xué)研究者提出了大量的具體診斷方法，目前主要可以分為三大類故障診斷方法：（1）基于解析模型的故障診斷方法這是最早的故障診斷方法，它具有一個難點，需要建立被診斷對象的較為精確的教學(xué)模型，一般包括狀態(tài)估計法和參數(shù)估計法。如果將故障診斷技術(shù)推廣，每年能夠減少 50％70％的事故、節(jié)約 10%30%的維修費用，可見其效益相當(dāng)可觀。 ；英國采用診斷技術(shù)后，每年可節(jié)省 3 億英鎊維修費。國內(nèi)外許多事實資料表明，發(fā)展故障診斷技術(shù)是必要的，其經(jīng)濟(jì)效益也是明顯的。,37 全向跑位偵查雷達(dá)都有內(nèi)側(cè)設(shè)備和故障診斷系統(tǒng)。這樣依靠檢測診斷技術(shù)避免了事故的發(fā)生和經(jīng)濟(jì)損失。經(jīng)過診斷分析認(rèn)為，機(jī)組連接高壓缸的低壓缸的聯(lián)軸器發(fā)生了故障，危及生產(chǎn)。工程實踐使人們認(rèn)識到，必須要發(fā)展工程檢查 和故障診斷技術(shù)，才能使設(shè)備安全可靠有效的運行，并充分發(fā)揮其效益。國內(nèi)，1985 年 10 月我過某電廠 20 萬千瓦汽輪機(jī)發(fā)電機(jī)組轉(zhuǎn)速突然由 3000r/min 升至 4500r/min,機(jī)組轉(zhuǎn)子的聯(lián)軸器螺栓發(fā)生斷裂,鏟傷了嚴(yán)重的斷軸毀機(jī)事件。1984 年印度博帕爾市農(nóng)藥廠發(fā)生的異氰酸甲毒氣外漏事故和 1986 年前蘇聯(lián)切爾諾貝利核電站發(fā)生的泄露事故，造成了舉世震驚的環(huán)境污染和人員傷亡。設(shè)備如果發(fā)生故障，不僅造成經(jīng)濟(jì)損失，而且可能危及人身安全、造成環(huán)境污染，給生產(chǎn)和生活甚至于人們的生命財產(chǎn)安全造成很大的影響。BP Akorithm。 Wavelet Transform。s excitation function,so this paper mainly studies the pact wavelet neural work which using morlet wavelet substitutes work39。最終通過實例證明，本文所研究的基于小波神經(jīng)網(wǎng)絡(luò)的故障診斷方法在旋轉(zhuǎn)機(jī)械故障診斷中能夠很好的進(jìn)行故障診斷并且具有較快的收斂速度。傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)多采用 BP 算法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，但是 BP 算法具有容易陷入局部極小值，收斂速度慢等局限性。針對設(shè)備運行中存在的大量的非線性現(xiàn)象和快速傅立葉變換在非線性信號的處理中存在一定的局限性，同時由于小波變換具有時頻特性，而且是對信號進(jìn)行分析和處理的一個有效的工具，所以本文在介紹小波變換理論的同時，還闡述了它在機(jī)械故障診斷中的應(yīng)用以及小波在分析非平穩(wěn)信號時的優(yōu)越性。針對小波神經(jīng)網(wǎng)絡(luò)精度高，學(xué)習(xí)速度快的特點，我們將小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于機(jī)械故障診斷中。摘 要故障診斷無論在生產(chǎn)安全還是在國民經(jīng)濟(jì)當(dāng)中無疑具有重要的意義。近年來，由于計算機(jī)技術(shù)、信號處理、人工智能、模式識別等技術(shù)的發(fā)展，促進(jìn)了故障診斷技術(shù)的不斷發(fā)展。在查閱大量文獻(xiàn)的基礎(chǔ)上，本文對故障診斷技術(shù)及故障診斷領(lǐng)域比較活躍的理論和方法，包括小波變換、神經(jīng)網(wǎng)絡(luò)以及近年來在故障診斷領(lǐng)域中的研究熱點——小波神經(jīng)網(wǎng)絡(luò)進(jìn)行了綜述。由于將小波函數(shù)作為神經(jīng)網(wǎng)絡(luò)的激發(fā)函數(shù)的小波神經(jīng)網(wǎng)絡(luò)可以獲得更好的診斷效果，本論文主要研究了由 morlet 小波函數(shù)來代替神經(jīng)網(wǎng)絡(luò)中的傳統(tǒng)激發(fā)函數(shù)（S 函數(shù)）的“緊支型”小波神經(jīng)網(wǎng)絡(luò)及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用。針對這些局限性，本文對傳統(tǒng)的 BP 算法進(jìn)行了改進(jìn)，引入了動量項，經(jīng)過實例證明其收斂速度有很大的提高。關(guān)鍵詞：故障診斷，小波變換；神經(jīng)網(wǎng)絡(luò)；BP 算法；小波神經(jīng)網(wǎng)絡(luò) AbstractIt is out of question that default diayosis is very important both in safety production andin national recent years,with the development of puter technology,signal processing,artificial intelligence,mode identification and etc,the fault diagnosis technology has been continuously promoted. Because wavelet neural nefwork has the following merits: high precision and learning rate fast, we use wavelet neural work in the field of fault diagnosis.Based on a multitude of literature,this paper reviewes that the fault diagnosis technology and the active theory and methods in the field of fault diagnosis which include wavelet transform,neural work and wavelet neural work. The wavelet neural work has bee a focus in the field of fault diagnosis recently.In view of the many nonlinear vibration of runningmachine and Fast Fourier Transform has some limits in the dispose of nonlinear signal,at the same time,because wavelet transform has the timefrequency characteristics and wavelet analysis is an effective tool to process signals,this paper not only introduce the theory of wavelet transform,but also set forth its application in fault diagnosis and its superiority of processing nonlinear signal.Because wavelet neural work has the better diagnosis effect while using wavelet function substitutes work39。s traditional excitation function(S function) and its application in fault diagnosis of rotating machinery. Classical neural works mostly train the work with BP algorithm. But the BP algorithm often gets into the minimum value and its constringent speed is slow. In view of these limitations,this paper improves the classieal BP algorithm by means of introducing momentum item,The actual example proves that the speed of this wavelet neural wor is very faster than classical BP neural work. Finally, the experiment shows that the fault diagnosis method based on wavelet neural work in tlus paper can be used well in fault diagnosis of rotating machinery and has a more faster convergence rate.Key Words: Fault Diagnosis。 Neural Network。 Wavelet Neural Network目 錄第一章 緒論 ......................................................1 故障診斷的必要性級意義 .................................................1 故障診斷方法的分類 .....................................................2 故障診斷國內(nèi)外的研究現(xiàn)狀及存在的問題 ...................................2 本文研究的主要內(nèi)容 .....................................................3本章小結(jié) .................................................................4第二章小波分析在機(jī)械故障診斷中的應(yīng)用 .............................5 小波分析簡介 ...........................................................5 小波變換的定義 .....................................................5 小波變換的特點 .....................................................7 多分辨分析 ..........................................................8 常用小波介紹 ...........................................................9第三章用于機(jī)械診斷的小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造 ..........................11 小波神經(jīng)網(wǎng)絡(luò)簡介 ......................................................11 小波神經(jīng)網(wǎng)絡(luò)基礎(chǔ) ......................................................11 人工神經(jīng)網(wǎng)絡(luò) ......................................................12 BP 神經(jīng)網(wǎng)絡(luò) .......................................................17 小波神經(jīng)網(wǎng)絡(luò) ......................................................18 用于機(jī)械診斷的小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造 ......................................203 3 1 小波神經(jīng)網(wǎng)絡(luò)的神經(jīng)元結(jié)構(gòu) ...........................................21 小波神經(jīng)網(wǎng)絡(luò)的激發(fā)函數(shù)的選擇 ......................................21 3 小波神經(jīng)網(wǎng)絡(luò)的 BP 算法及其改進(jìn) .....................................22 構(gòu)造的小波神經(jīng)網(wǎng)絡(luò)與 BP 神經(jīng)網(wǎng)絡(luò)的比較 .................................25本章小結(jié) ..................................................................26第四章小波神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用 ........................27 小波神經(jīng)網(wǎng)絡(luò)用于機(jī)械故障診斷的流程 ....................................27 小波神經(jīng)網(wǎng)絡(luò)用于故障診斷的基本思想和一般流程 ......................27 小波神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的意義 ........................................274. 3 小波神經(jīng)網(wǎng)絡(luò)在設(shè)備故障診斷技術(shù)中的應(yīng)用實例 ..........