【正文】 取得的成果 ...................................................................... 錯(cuò)誤 !未定義書簽。 GA+BP神經(jīng)網(wǎng)絡(luò) 與 BP神經(jīng)網(wǎng)絡(luò) 故障診斷的結(jié)果 對(duì)比后 可以看到 ： 第一， GA+BP神經(jīng)網(wǎng)絡(luò) 比 BP神經(jīng)網(wǎng)絡(luò) 的工作量少 ，且克服了陷入局部極小的缺點(diǎn)，有更好的 訓(xùn)練 性能；第二， GA+BP神經(jīng)網(wǎng)絡(luò) 的 故障 診斷準(zhǔn)確率高于 BP神經(jīng)網(wǎng)絡(luò) 。 連接基因采用二進(jìn)制編碼方法，參數(shù)基因采用實(shí)數(shù)編碼方法； 連接基因采用一 點(diǎn)交叉方式和基本變異方式， 參數(shù)基因 中的權(quán)閾基因和速率基因各自 采用算術(shù)交叉方式和 非均勻 變異方式 。首先， GA 對(duì) BP 神經(jīng)網(wǎng)絡(luò)做前期優(yōu)化，確定 出 最佳網(wǎng)絡(luò)結(jié)構(gòu)及該結(jié)構(gòu)對(duì)應(yīng)的初始權(quán)值、閾值和網(wǎng)絡(luò)的學(xué)習(xí)速率；然后， 構(gòu)造具有 最佳結(jié)構(gòu)和參數(shù)的 神經(jīng) 網(wǎng)絡(luò) 來 進(jìn)行故障診斷。 為了解決上述問題，本文研究設(shè)計(jì)了 GA+BP 算法。 選取 3db 小波 函數(shù) ， 用硬閾值 小波包 降噪的方法 將 信號(hào) 降噪 ， 然后 進(jìn)行 小波包分解與重構(gòu)， 以 提取信號(hào)的能量特征向量 ，并將得到的特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入 。 本文針對(duì)科學(xué)實(shí)驗(yàn)中廣泛使用的平流泵的故障特點(diǎn)， 深入研究了 BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法。 保密學(xué)位論文在解密后的使用授權(quán)同上。 若有不實(shí)之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。盡我所知，除文中已經(jīng)加以標(biāo)注和致謝外，本論文不包含其他人已經(jīng)發(fā)表或撰寫的研究成果，也不包含本人 或他人為獲得 中國(guó)石油大學(xué) （華東） 或其它教育機(jī)構(gòu)的學(xué)位或 學(xué)歷 證書而使用過的材料。 基于小波神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷方法研究 Research on Fault Diagnosis Method of Equipment Based on Wavelet Neural Network Research on Fault Diagnosis Method of Equipment Based on Wavelet Neural Network A Thesis Submitted for the Degree of Master Candidate： SUN Shihui Supervisor： Prof. ZHAO Shijun College of Informationamp。 Control Engineering China University of Petroleum (EastChina) 關(guān)于學(xué)位論文的獨(dú)創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在指導(dǎo)教師指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的 成果，論文中有關(guān)資料和數(shù)據(jù)是實(shí)事求是的。 與我一同工作的同志對(duì)研究所做的任何貢獻(xiàn)均已在論文中作出了明確的說明。 學(xué)位論文作者簽名： 日期： 年 月 日 學(xué)位論文使用授權(quán) 書 本人完全同意 中國(guó)石油 大學(xué) （華東） 有權(quán)使用本學(xué)位論文 （ 包括但不限于 其印刷版和電子版） ，使用方式包括但不限于 ： 保留學(xué)位論文 ，按規(guī)定 向國(guó)家有關(guān)部門（機(jī)構(gòu)）送交學(xué)位論文， 以學(xué)術(shù)交 流為目的贈(zèng)送和交換 學(xué)位論文 ，允許 學(xué)位論文被查閱 、借閱 和復(fù)印 ，將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，采用影印、縮印或 其他 復(fù)制手段保存學(xué)位論文。 學(xué)位論文作者簽名： 日期： 年 月 日 指導(dǎo)教師簽名： 日期： 年 月 日 i 摘 要 神經(jīng)網(wǎng)絡(luò)以其固有的記憶能力、自學(xué)習(xí)能力 以及強(qiáng)容錯(cuò)性為故障診斷問題提供了一個(gè)新 方法 。 首先用小波包分析技術(shù)做信號(hào)處理。 本文采用具有一個(gè)隱含層的三層 BP 神經(jīng)網(wǎng)絡(luò) 進(jìn)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(diǎn)數(shù)難以確定。該方法是將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合。 GA+BP 算法的設(shè)計(jì)中， 把每個(gè)染色體分解為連接基因和參數(shù)基因 ，對(duì)這兩部分采取不同的遺傳操作 。 另外，交叉算子和變異算子都采用自適應(yīng)的方法。 由此可見 ， GA+BP神經(jīng)網(wǎng)絡(luò) 能夠更好的進(jìn)行 平流泵的 故障診斷工作。 致 謝 ...................................................................................................................................... 53 中國(guó)石油大學(xué)（華東）碩士學(xué)位論文 1 第 1 章 緒論 故障診斷的意義 隨著 科技日新月異 的發(fā)展 ， 現(xiàn)代化生產(chǎn) 所用的 生產(chǎn)裝置 也 趨向大型化、高速高效化、自動(dòng)化和連續(xù)化，人們對(duì)設(shè)備的要求不僅是性能好，效率高，還要求在運(yùn)行過程中 無(wú) 故障 或少故障 。然而， 這些高科技 含量的 設(shè)備 難免 出現(xiàn)程度不一的故障 ，輕者 導(dǎo)致性能下降 ， 重者則 使 其 完全 癱瘓 ，更有甚者 會(huì) 對(duì) 人們的 財(cái)產(chǎn)和 生命安全 造成無(wú)法估量 的 損失 。 故障診斷是根據(jù)設(shè)備 運(yùn)行狀態(tài)信息查找故障源 并確定相應(yīng)決策的一門綜合性 的 學(xué)科 [1,2]。目前 ， 許多大規(guī)模高精 技術(shù)設(shè)備 正在我國(guó) 廣 泛應(yīng)用 ，因此 ，對(duì)大型設(shè)備進(jìn)行檢測(cè)、診斷、控制，是保證設(shè)備正常運(yùn)行，充分發(fā)揮最大效益的關(guān)鍵環(huán)節(jié)。 故障診斷技術(shù)的 研究現(xiàn)狀 簽于 故障診斷在國(guó)民經(jīng)濟(jì)中 的 舉足輕重的 作用，各國(guó)都將設(shè)備故障診斷作為一項(xiàng)重要的工作。在旋轉(zhuǎn) 機(jī)械故障診斷方面，首推美國(guó)西屋公司 ，它于 1990年 完 成 了 網(wǎng)絡(luò)化的汽輪發(fā)電機(jī)組智能化故障診斷專家系統(tǒng)。歐洲的一些國(guó)家也都在某些 方面具有特色或占領(lǐng)先地位，如瑞典的軸承監(jiān)測(cè)技術(shù)，挪威的船舶診斷技術(shù)，丹麥的振動(dòng)診斷技術(shù)等等。雖然我國(guó) 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(jī)械計(jì)算機(jī)狀態(tài) 檢測(cè)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(jī)組振動(dòng)微機(jī)監(jiān)測(cè)和故障診斷系統(tǒng)”，東北大學(xué)的“風(fēng)機(jī)工作狀態(tài)監(jiān)測(cè)診斷系統(tǒng)”等。 故障診斷方法概述 按照國(guó)際故障診斷權(quán)威 ，故障診斷的方法可以劃分成三類：基于信號(hào)處理的方法、基于解析模型的方法和基于知識(shí)的方法 [4,5]。 1．基于解析模型的方法 基于解析模型的診斷方法 是最早發(fā)展起來 的，它需要建立被診斷對(duì)象的較為精確的數(shù)學(xué)模型，通常利用信號(hào)模型，如相關(guān)函數(shù)、頻譜、自回歸滑動(dòng)平均等，直接分析可測(cè)信號(hào)，提取諸如方差、幅值、頻率等特征值，從而檢測(cè)故障 [6]。 基于解析模型的診斷方法具有深厚的理論基礎(chǔ)和較強(qiáng)的可實(shí)現(xiàn)性，因此在故障診斷領(lǐng)域占據(jù)重 要地位。 參數(shù)估計(jì)故障診斷方法的基本思想是把理論建模和參數(shù)辨識(shí)結(jié)合起來。最小二乘法因其簡(jiǎn)單實(shí)用且有極強(qiáng)的魯棒性成為參數(shù)估計(jì)的首選方法。它 要求系統(tǒng)可觀測(cè)或者部分可觀測(cè) ，通常用 Luenberger觀測(cè)器及卡爾曼濾波器進(jìn)行狀態(tài)估計(jì)。 2．基于信號(hào)處理的方法 這類方法不需要對(duì)象的準(zhǔn)確數(shù)學(xué)模型，而直接利用信號(hào)模型，如相關(guān)函數(shù)，高階統(tǒng)計(jì)量，頻譜和自回歸滑動(dòng)平均過程，以及現(xiàn)在熱門的小波分析技術(shù) 等來檢測(cè)故障 ，因此中國(guó)石油大學(xué)（華東）碩士學(xué)位論文 3 適用性較強(qiáng)。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 。 3． 基于知識(shí)的方法 基于知識(shí)的方法與基于信號(hào)處理的方法類似，也不需要系統(tǒng)的定量數(shù)學(xué)模型，但 它克服了 基于信號(hào)處理 方法 的缺點(diǎn)，引入了診斷對(duì)象的許多信息，特別是可以充分利用專家診斷知識(shí)等， 尤其在非線性系統(tǒng)領(lǐng)域 ， 是一種很有前途的方法?；诎Y狀的方法包括 專家系統(tǒng)方法、模式識(shí) 別方法、模糊推理方法和神經(jīng)網(wǎng)絡(luò)方法。神經(jīng)網(wǎng)絡(luò)具有 的 自學(xué)習(xí)、 并行處理、全局作用的能力，使得它在處理非線性問題和在線估計(jì)方面有著很強(qiáng)的優(yōu)勢(shì)。 基于定性 模型的方法包括定性觀測(cè)器、定性仿真 、 知識(shí)觀測(cè)器等。 MATLAB長(zhǎng)于數(shù)值計(jì)算，能處理大量的數(shù)據(jù)，而且效率比較高。 MATLAB 被稱為第四代計(jì)算機(jī)語(yǔ)言，它有不同于其他高級(jí)語(yǔ)言的特點(diǎn) ： 1．編程效率高 ； 2．用戶使用方便 ； 3．?dāng)U充能力強(qiáng) ，交互性好； 4． 移植性 、 開放性好； 簡(jiǎn)單，內(nèi)涵豐富 ； 6．高效方便的矩陣和數(shù)組運(yùn)算 ； 7．方便的繪圖功能 。 由于它 無(wú)需 定義 數(shù)組的維數(shù)，并給出矩陣函數(shù)、特殊矩陣專門的庫(kù)函數(shù)，使之在求解諸如信號(hào)處理、建模、系統(tǒng)識(shí)別、控制、 優(yōu)化等領(lǐng)域的問題時(shí)，顯得大為簡(jiǎn)捷、高效、方便，這是其它高級(jí)語(yǔ)言所不能比擬的 [8]。 論文的研究?jī)?nèi)容 本文 著重研究 神經(jīng)網(wǎng)絡(luò)的故障診斷方法。 在該裝置中，平流泵是驅(qū)遣液體的動(dòng)力源，它的 工作狀況直接影響到整個(gè)實(shí)驗(yàn)的成敗。 本文 首先選取合適的小波函數(shù)，對(duì)信號(hào) 做 小波包降噪處理， 又 采用小波包分解與重構(gòu)技術(shù)，實(shí)現(xiàn)故障能量特征向量的提取。 最后 用 這個(gè)網(wǎng)絡(luò)來識(shí)別未知 的樣本，根據(jù)各樣本所對(duì)應(yīng)的網(wǎng)絡(luò)輸出情況來劃分未知樣本的類別， 從而達(dá)到故障診斷的目的。它是 用遺傳算法 首先 對(duì) BP神經(jīng)網(wǎng)絡(luò) 進(jìn)行前期優(yōu)化，以確定網(wǎng)絡(luò) 的隱含層節(jié)點(diǎn)數(shù)及該結(jié)構(gòu)對(duì)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(duì)平流泵進(jìn)行故障診斷， 以期 達(dá)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。 第 2 章 主要 介紹了本文用于故障診斷的數(shù)據(jù)的采集方法。 第 4章首先設(shè)計(jì)了 BP神經(jīng)網(wǎng)絡(luò)，包括 網(wǎng)絡(luò)層數(shù)、 輸入、輸出 層的節(jié)點(diǎn)數(shù) 和 各層的激活函數(shù)， 以 隱含層節(jié)點(diǎn)數(shù)經(jīng)驗(yàn)公式 為基礎(chǔ) ，用試測(cè)的 方法得到了隱含層節(jié)點(diǎn)數(shù)，并確定了網(wǎng)絡(luò)的初始權(quán)值和閾值， 最后 將該 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于平流泵的 故障診斷 。 第 6章 總結(jié)全 文，并展望未來的研究工作。 儀器原理為： 使用一臺(tái)液壓機(jī)提供閉合壓力，該壓力作用于平板夾持器上（長(zhǎng)期導(dǎo)流需經(jīng)過足夠的時(shí)間讓支撐劑達(dá)到半穩(wěn)定狀態(tài)），然后讓測(cè)試液體（或氣體）流過支撐劑層，測(cè)出不同壓力條件下的裂縫寬度、壓差及流速，最后用達(dá)西定律計(jì)算出支撐劑的滲透率及裂縫導(dǎo)流能力。 實(shí)驗(yàn)方案設(shè)計(jì) 在 CDLY20xx 長(zhǎng)期導(dǎo)流能力測(cè)試裝置 中 配備 了 美國(guó) III 型 SSI 平流泵 。因此，觀察平流泵的 運(yùn)行狀態(tài)，及時(shí)發(fā)現(xiàn)故障信息并查找故障源 ，則顯得尤為重要。 實(shí)驗(yàn)裝置構(gòu)成 CDLY20xx 長(zhǎng)期導(dǎo)流能 力測(cè)試裝置是一個(gè)復(fù)雜的自動(dòng)化系統(tǒng)， 在不破壞其整體流程的前提下， 搭建了 如圖 21 所示的實(shí)驗(yàn)裝置 。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。兩支壓力傳感器分別接在平板夾持器的上游和 下游，其量程范圍是 0～ 25MPa，輸出電信號(hào)為 4～ 20 mA。 PCLD8710 是 支持 PCI1710 卡 ， 且 能在惡劣環(huán)境中可靠安裝的工業(yè)級(jí)端子板 。 選用德國(guó)賽多利斯 BS2202S 天平 ， 它的量程范圍是 0～ 2200g， 分辨率為 。 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(jì) 算 機(jī)采 集 板 P C I 1 7 1 0R S 2 3 2圖 中 ： 表 示 信 號(hào) 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(diǎn)主要有： (1) 采用了結(jié)構(gòu)化、模塊化的程序設(shè)計(jì)方法，程序結(jié)構(gòu)清晰，模塊功能明確。 (3) 所有輸入和提示都使用窗口式的對(duì)話框，對(duì)于錯(cuò)誤的操作會(huì)給出警告并提示該如何操作。它們的功能分別為： 零點(diǎn)校正窗體來 完成壓力傳感器的 零點(diǎn)校正。 實(shí)驗(yàn)測(cè)試窗體用來實(shí)時(shí) 顯 示采集到的信息，并將采集的數(shù)據(jù) 和計(jì)算的結(jié)果存入Access 數(shù)據(jù)庫(kù)。 圖 21 實(shí)驗(yàn)裝置 流程圖 Fig21 The Flow diagram of experiment equipment 第 2 章 故障信號(hào)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(shí)驗(yàn)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。 故障信號(hào)的 數(shù)據(jù)采集 根據(jù)平流泵的工作原理和技術(shù)人員的經(jīng)驗(yàn)知， 平流泵常見有 管路中 存在氣泡、出口處堵塞、流程泄漏 等 故障， 而 系統(tǒng)的壓力則 可以較真實(shí)的反應(yīng)這些故障。 實(shí)驗(yàn)時(shí)，系統(tǒng)加 5MPa回壓，并設(shè)定平流泵排量為 5ml/min， 將 每種工作狀態(tài) 的信號(hào)分別 采集 30組 ， 每組 200個(gè)數(shù)據(jù)點(diǎn) 。檢漏方法：關(guān)閉所有截止閥門，將系統(tǒng)憋壓至一定壓力，觀察管路的各個(gè)接頭部分，查看是否有泄漏情況發(fā)生。 2. 啟動(dòng)應(yīng)用軟件， 進(jìn)入“系統(tǒng)自檢”窗體， 檢查傳感器是否工作正常。 壓力零點(diǎn)校正需在系統(tǒng)充分放空以后進(jìn)行。 5. 實(shí)驗(yàn) 結(jié)束時(shí)，先停止平流泵，然后關(guān)閉截止閥。 中