资源描述：
《旋转机械论文：基于人工神经网络的旋转机械故障诊断专家系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、旋转机械论文：基于人工神经网络的旋转机械故障诊断专家系统【中文摘要】旋转机械广泛应用于重工业的多个领域,且大多数为各个生产领域的关键设备。但由于它们通常工作在工况复杂的恶劣环境中,且大多为高速旋转机械,这些旋转机械一旦出现故障,不仅对整个生产线产生直接影响,而且会造成重大的经济损失甚至是机毁人亡的事故。为保证设备的安全运行,降低机组维修费用和提高设备利用率,开发一种能自动获取知识且能进行高速推理的故障诊断专家系统,已经成为旋转机械故障诊断研究的一个主要方向。本文针对转子故障、轴承故障、浮动密封故障、叶片式机器中
2、流体激振故障以及齿轮箱故障等各种旋转机械故障类型,分别讨论了这些故障的故障征兆,研究了各个故障的振动机理。针对旋转机械固有的特征,在比较各种不同信号分析技术的基础上,提出采用矢量融合能量谱理论实现旋转部件的故障特征分析。但旋转机械故障诊断往往属于模糊现象的领域,需要进行模糊聚类分析。模糊理论可以将不确定的知识和定性知识转化为定量的知识。直接用隶属度对大量文字描述的规则以及专家经验进行准确的表示相当困难,而且模糊矩阵的构造需要以大量现场实际运行数据为基础。因此,在故障诊断中需要更为有效的方法进行故障诊断分析,为此
3、作者采用人工神经网络故障诊断方法。本文采用M...【英文摘要】Rotatingmachineryiswidelyusedinvariousfieldsofheavyindustry.Usuallytheyatekeyequipmentsineveryproductionfield.Sincetheymostlyworkinharshenvironmentwithcomplicatedworkingcondition,rotatingmachineryfailurefrequentlyhappenswhichca
4、nnotonlyimpactontheentireproductionline,butalsocausesignificantlossesevensevereindustrialinjury.Inordertoensuretheseeqipmentsoperatesafely,reducemaintenancecostsandimprovetheequipmentutilizationrateaswell,ithas...【关键词】旋转机械故障诊断矢量融合能量谱BP神经网络专家系统多级行星齿轮箱【英文关键词】R
5、otatingmachineryFaultdiagnosisBPneuralnetworkExpertsystemMultilevelplanetarygearbox【目录】基于人工神经网络的旋转机械故障诊断专家系统摘要4-6Abstract6-7第1章绪论11-181.1选题背景111.2课题的发展水平及研究现状11-141.2.1机械设备故障诊断的研究现状11-121.2.2专家系统在设备故障诊断中的应用12-141.3专家系统的开发工具14-161.4论文的主要内容及其组织结构16-181.4.1研究目标
6、161.4.2主要内容16-18第2章旋转机械故障诊断基本理论18-322.1旋转机械故障类型和故障特征18-212.1.1转子不平衡故障18-192.1.2转子不对中故障192.1.3转子摩擦故障192.1.4轴承故障19-202.1.5浮动密封故障202.1.6齿轮箱故障20-212.2旋转机械特征信号分析与提取21-262.2.1傅里叶变换22-232.2.2功率谱分析23-242.2.3Gabor变换242.2.4短时傅里叶变换24-252.2.5小波变换25-262.2.6全息谱分析262.2.7矢量
7、谱分析262.3矢量谱理论基础26-292.4转子运动矢量融合能量谱29-312.5本章小结31-32第3章基于矢量谱的人工神经网络故障诊断研究32-473.1基于布尔矩阵的系统故障诊断模型32-353.2模糊聚类分析35-363.3人工神经网络故障诊断36-463.3.1神经网络的基本组成36-373.3.2BP学习算法及其改进方法37-413.3.3BP神经网络故障诊断的方法与步骤41-463.4本章小结46-47第4章基于CLIPS的专家系统及其工作原理47-714.1专家系统概述47-494.1.1专家
8、系统的概念474.1.2专家系统的结构及工作过程47-494.2专家系统的知识表示49-544.2.1产生式表示法50-524.2.2框架表示法524.2.3基于人工神经网络的知识的表示52-544.3专家系统的诊断推理54-564.3.1基于规则的诊断推理54-554.3.2基于模型的诊断推理554.3.3基于案例的诊断推理55-564.3.4基于神经网络的诊断推理564.4CLIP
