神经网络模式识别.doc

基于PCA改进Elman神经网络方法的齿轮箱故障诊断技术研究 1 绪论 1.1 项目研究的背景 随着现代科学技术的迅速发展，系统设备日益朝着高度自动化的方向发展，但是，同时也造成了系统设备的日益复杂，零件数目也显著的增加，零、部件之间的联系更是愈加紧密．故而，只要是某部分部件发生了故障，就会引起整台设备的失效，更甚者造成巨大的经济损失或者人员伤亡事故，现代化系统设备所花的维修费用与停机损失，所占成本比例越加增大，设备故障或事故引起的损失更是不断的增加，设备维修的重要性成为了一个日益突出的同题．人们对系统设备的可用性、可靠性、可维修性、安全性与经济性提出了愈来愈高的要求；而且现代工业生产中，系统设备比以往更注重效率与能耗，环保的要求也是越来越高．因此，如何在设备运行时或者为拆卸的情况下，依靠或借助动态测试技术和传感器技术及计算机信号处理技术等，及时的掌握设备的运行状态，分析出设备中出现异常的部位与异常的原因，并且能够预测出设备未来的状态发展趋势．这些成为了世界各国的学者亟待解决之问题． 1.2 项目研究的目的及意义 齿轮箱作为机械设备中一种必不可少的连接和传递动力的通用零部件，所以它的运行状态好坏，会直接影响整套设备的工作运行状态．随着设备的不断大型化、复杂化、自动化和连续化，齿轮箱的故障和失效给整个生产和社会造成的损失将越来越大，行驶中的汽车的齿轮箱发生故障，将导致车毁人亡；一些连续工作的设备，一旦齿轮箱发生故障，所造成的损失难以估计，如我国水泥行业，因齿轮箱故障每年减产200万吨以上．对齿轮箱进行状态监测与故障诊断，可实现齿轮箱由事后诊断、定期维修到实情维修的根本转变，这对减少一些不必要的经济损失，进而创造更大的经济利益，具有重大的意义． 齿轮箱故障诊断的作用是[1]：(1) 判断运行设备当前处于正常状态还是异常状态； (2) 若有故障则判断故障的性质、类型和原因例如是故障还是故障或故障若是故障则分辨、还是故障故障又是哪种类型的等等； (3) 根据故障信息信息处理结果预测故障可能发展对故障的严重程度发展趋势做出诊断； (4) 提出控制故障的措施、防止消除故障的方法； (5) 提出设备的合理方法和相应的措施； (6) 对设备设计、制造、装配等提出改进意见为设备现代化管理提供科学依据和建1.3 国内外研究现状及发展趋势 故障诊断技术随着过程工业的发展已经逐渐成为一个保证工业生产安全稳定时不可或缺的技术支经元网络的智能控制系统也称作基于连接机制的智能控制系统随着人工神经元网络研究的进展神经元网络越来越多的应用于控制领域的各个Elman神经网络是一种动态的神经网络，它除了输入层、隐层和输出层以外，还有一个特殊的联系单元[2,3]．该单元是用来记忆隐层单元前面时刻的输出值，可认为是一个时延算子，该网络的动态记忆的功能也是因它而来．Elman神经网络结构如图2-1所示． 图2-1 Elman网络结果示意图 Elman神经网络的数学模型： (2-1) 其中为联系单元与隐层单元的连接权矩阵，为输入单元与隐层单元的连接权矩阵，为隐层单元与输出单元的连接权矩阵，和分别表示联系单元和隐层单元的输出，表示输出单元的输出，为自连接反馈增益因子．多取为sigmoid函数，sigmoid函数如公式(2-2)所示． (2-2) 2.2 Elman神经网络简介学习方法 设第 k 步系统的实际输出表示为，则Elman网络的目标函数也就是误差函数可表示为： (2-3) 根据梯度下降法，分别计算对权值的偏导数并使其为0，就可以得到Elman网络的学习算法： (2-4) (2-5) (2-6) (2-7) ，分别是和的学习步长． 3 基于ELMAN网络的齿轮箱故障诊断 3.1 基于ELMAN网络的齿轮箱故障诊断及其MATLAB实现 1.1 工程描述 50%-70%．在非拆卸的情况下，传统的诊断手段往往依赖于专家的经验判断，但由于齿轮箱的结构非常复杂，它的故障模式和特征量之间的关系不仅复杂而且还是非线性的，再加上一些在不同的工况下而产生的随机因素，所以专家的经验无法解决所有的诊断问题．而神经网络的应用可以有效地规避这个问题．神经网络的自适应、自学习和对非线性系统超强的分析能力决定了它可以在齿轮箱的故障诊断中得到非常好的使用． 3.1.2 输入向量和目标向量设计 确定神经网络输入，实际上就是提取特征量，对于特征量的选用