基于门控循环单元的复杂系统故障诊断决策方法研究.pdf

目 录 摘要 I ABSTRACT III 第1 章绪论 1 1.1 研究背景与意义 1 1.1.1 研究背景 1 1.1.2 研究意义 2 1.2 国内外研究现状 3 1.2.1 复杂系统故障诊断的主要内容3 1.2.2 复杂系统故障诊断决策方法的研究现状 3 1.2.3 复杂系统故障诊断决策应用的研究现状 5 1.3 本文的主要研究内容及章节安排 6 第2 章系统数据采集与典型机器学习方法原理9 2.1 引言9 2.2 系统数据采集 10 2.3 典型机器学习方法原理 12 2.3.1 支持向量机 12 2.3.2 随机森林 13 2.3.3 长短期记忆网络 14 2.3.4 回声状态网络 16 2.4 门控循环单元 17 2.5 本章小结 19 第3 章基于GRU 的单故障诊断 20 3.1 引言20 3.2 样本采集 20 3.3 评价指标 22 3.4 基于原始样本和GRU 的单故障诊断建模24 3.4.1 模型方案设计24 3.4.2 参数分析 24 3.4.3 结果与分析 27 3.5 基于人工特征提取和GRU 的单故障诊断建模29 3.5.1 人工特征提取29 3.5.2 模型方案设计31 3.6 结果与分析 33 3.7 本章小结 36 第4 章基于GRU 的多故障诊断 37 4.1 引言37 4.2 多故障诊断建模思路37 4.2.1 多信息融合37 4.2.2 模型方案设计38 4.3 多故障诊断建模过程39 4.3.1 样本采集 39 4.3.2 特征提取 40 4.3.3 参数分析 41 4.4 结果与分析 41 4.4.1 实验结果分析41 4.4.2 神经网络特征提取评估分析46 4.4.3 模型评估分析47 4.5 小结48 第5 章总结与展望 50 5.1 全文总结 50 5.2 下一步的展望 51 参考文献 52 致谢 56 在学期间发表论文和主持与参与的项目 57 摘要 基于门控循环单元的复杂系统故障诊断决策方法研究 摘要 随着大型复杂设备发展越来越迅速，可靠性管理研究已经成为管理领域的热 点问题之一。在对设备进行可靠性管理研究中，故障诊断决策方法的有效性越来 越受到重视。然而监测信号中隐含的系统可靠性规律尚未被完全挖掘和利用。因 此本论文立足于复杂机械系统可靠性理论，以监测到的设备振动信号及电流信号 数据为基础，借鉴智能模型分类的思路和方法，对复杂系统故障进行因果分析和 故障诊断，从而研究讨论复杂系统故障诊断决策管理方法对重大工程管理带来的 启示。 风力发电机作为一典型的复杂系统，是利用清洁能源实现电能的转换的关键 基础设施，科学的维护管理对其正常运行、保障可再生能源提供和促进国民经济 发展具有重要意义。但其故障状态的数据呈现出海量性、多样性等大数据特征， 完全依靠传统的故障检测方法在分析数据、建立模型等方面具有局限性，而随着 智能算法的发展，其对大数据的处理能力和表征能力在各个领域都得到了很好的 体现。因此本文以风力发电机齿轮箱为示例研究对象，采用机器学习算法对各个 故障进行特征学习并在此基础上实现故障分类