粗糙集神经网络故障诊断方法研究

《粗糙集神经网络故障诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP183学号122020379密级Xi'anShiyouUniversity全日制专业学位硕士学位论文粗糙集神经网络故障诊断方法研究作者姓名江飞导师姓名、职称王江萍教授学科(专业领域)名称机械工程提交论文日期2015年5月20日学位论文创新性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研宄成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研宄成果；也不包含为获得西安石油大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研宂所做的任何贡献均己在论文中做了明确的说明并表示了谢意。申请学位论文与资料若

2、有不实之处，本人承担一切相关责任。论文作者签名：日期：^学位论文使用授权的说明本人完全了解西安石油大学有关保留和使用学位论文的规定，g卩：研究生在校攻读学位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发表、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为西安石油大学。论文作者签名：日期：>収々•注：如本论文涉密，请在使用授权的说明中指出（含解密年限等）。中文摘要论文题目：粗糙集神经网络故障诊断方法研究专业：机械工程硕士生：江飞(签名)指导教师：王江萍(签名)摘要文章分析了最近几年来故障诊断技术和诊断系统的发

3、展现状，对常见的几种故障诊断方法进行了简要的评述，分析了故障诊断技术的理论基础，研究了基于粗糙集神经网络集成的智能诊断专家模型。本文的主要工作包括以下几点内容：（1）通过时域和频域方法对齿轮箱振动信号进行特征分析，分析结果未能满足故障诊断的要求，本文采用子带能量特征提取方法完成信号的特征值提取。（2）采用SOM网络对原始故障数据中的连续属性进行离散化；本文采用基于差别矩阵的属性约简算法，并对其改进算法进行研究：即对矩阵中的单属性元素和包含单属性元素的其他元素加以处理，使计算量大为减少，提高计算效率。（3）着重分析了相容决策表和不相容决策表在计算差别矩阵时的不同，对不相容决策表在生成差别矩阵时可

4、能出现的错误进行了研究，并指出可改进之处，最后对不相容决策表中基于差别矩阵的约简算法进行了分析。（4）用基于差别矩阵的改进算法和BP网络相结合来进行齿轮箱的故障诊断，诊断结果表明该集成系统在故障诊断中是可行的。并将此方案与其他诊断方法作对比研究，结果表明采用这种方法不仅可以得到令人满意的诊断结果，而且计算过程非常简便，诊断时间和步数都得到了很大程度的减少。关键词：故障诊断粗糙集理论神经网络差别矩阵属性约简论文类型：应用研究II英文摘要Subject：Theresearchonafaultdiagnosismethodoftheroughsets-neuralnetworkSpecialty：M

5、echanicalEngineeringName：JiangFei(signature)Instructor：WangJiangping(signature)ABSTRACTInthispaper,thegeneralsituationofthefaultdiagnosistechnologyandthefaultdiagnosissystemintherecentyearsisintroduced,andtheseveralexistingfaultdiagnosismethodsareevaluatedbriefly.Therationalefordiagnosisisanalyzedan

6、danintelligentfaultdiagnosismethodwhichintegratesroughsetwithBPneuralnetworkisstudied.Themainworksarelistedasfollows:1.Thepaperanalyzedvibrationsignalsofgearboxfromthetimedomainandfrequencydomain,andtheresultsfailtomeettherequirementoffaultdiagnosis.Soitaccomplishedthefeatureextractionofvibrationsig

7、nalsaccordingtothesub-bandenergyfeatureextractionmethod.2.ItisnecessarytodiscretizethecontinuousattributesoftheoriginalfaultdataaccordingtotheSOMnetwork.Theresearchinterestofthispaperconcernstheattrib