發(fā)布時間：2018-01-05 02:18

  本文關鍵詞：基于神經(jīng)網(wǎng)絡模型的振動篩損傷檢測研究　出處：《太原理工大學》2012年碩士論文　論文類型：學位論文

  更多相關文章： 振動篩 非線性特性 系統(tǒng)辨識 神經(jīng)網(wǎng)絡 故障診斷

【摘要】：隨著機械制造技術的提高和現(xiàn)代工業(yè)發(fā)展的需求,機械設備的結構愈來愈復雜,生產(chǎn)的高效率依賴機械設備提供的強大生產(chǎn)能力,設備的任何故障都會給生產(chǎn)帶來巨大的損失。因此,在生產(chǎn)中對設備進行故障診斷是非常有意義的。故障診斷技術能夠在監(jiān)測設備運行狀態(tài)的基礎上,分析和診斷出機械設備的故障狀態(tài)以及故障發(fā)展的程度。 目前以時域和頻域分析為主的方法研究具有強非線性特性系統(tǒng)的故障診斷不是很好。本文利用系統(tǒng)辨識建立振動篩縮小模型系統(tǒng)的模型,通過分析辨識模型的特性,對直線振動篩進行故障診斷和裂紋發(fā)展趨勢研究。 為了從采集到的信號中提取出特征信息,首先對實驗測得的振動信號做預處理分析,將數(shù)據(jù)進行歸一化,然后用小波消噪方法對信號消噪、采用最小二乘法消除信號的趨勢項,最后去除信號的直流分量。 研究振動篩縮小模型下橫梁存在裂紋時系統(tǒng)的辨識方法。分別運用線性模型、非線性模型、神經(jīng)網(wǎng)絡模型對振動篩系統(tǒng)進行建模,通過分析模型和實際系統(tǒng)的擬合度,得出神經(jīng)網(wǎng)絡模型的精度較高。進一步通過判斷不同神經(jīng)網(wǎng)絡辨識模型的擬合度、檢測殘差等,選擇神經(jīng)網(wǎng)絡NNARX模型。最后確定了該模型的各個參數(shù)(包括網(wǎng)絡層數(shù)、隱層神經(jīng)元個數(shù)、激活函數(shù)等)以及各參數(shù)對辨識精度的影響。 在振動篩縮小模型下橫梁有無裂紋時,分別辨識出系統(tǒng)的神經(jīng)網(wǎng)絡模型,通過分析振動篩在不同狀態(tài)下實測振動信號的幅值譜、辨識模型的虛擬響應譜、模型的權值,得出分析辨識模型的特性可以作為判斷振動篩是否有裂紋的依據(jù)。 最后,將分析模型特性的方法應用到實際振動篩裂紋發(fā)展趨勢的研究上。辨識出實際振動篩存在裂紋時的模型,以天數(shù)增加的方式獲取振動篩的振動信號,研究辨識模型在不同時刻時權值的變化,經(jīng)統(tǒng)計分析得出,隨著時間的增加,模型的權值呈逐漸減小且集中的趨勢。實驗表明,通過分析辨識模型的權值來研究振動篩裂紋的發(fā)展趨勢是可行的,也是有意義的。
[Abstract]:With the increase of mechanical manufacturing technology and the needs of modern industrial development, more and more complicated structure of mechanical equipment, strong production capacity of the production of high-efficiency rely on mechanical devices, any equipment failure will bring huge loss to the production. Therefore, the fault diagnosis of the equipment in production is very meaningful for fault diagnosis. Based on the technology can monitor equipment running condition, analyze and diagnose the fault state of mechanical equipment fault and the degree of development.
Research on fault diagnosis method of the time domain and frequency domain analysis which has strong nonlinear characteristics of the system is not very good. In this paper, using system identification to establish vibration sieve scale model system model, by analyzing the characteristics of the two models, the research of fault diagnosis and crack development trend of linear vibrating screen.
In order to extract the feature information from the collected signal, first preprocessing analysis of vibration signal measured, the data were normalized, and then use the wavelet denoising method for signal denoising, eliminating trend signal by using the least square method, finally removing DC component signal.
Study on vibration sieve narrow crack identification method of system model under the beam. By using linear model, nonlinear model, neural network model of vibrating screen system, through the analysis of model and actual system fitting degree, that neural network model is of higher precision. Further by judging the different neural network model fitting. Detection and selection of NNARX neural network model. Finally, the parameters of the model are determined (including network layers, number of neurons in hidden layer activation function, etc.) and the influence of parameters on the identification accuracy.
In the narrow beam model crack free vibration sieve, respectively, to identify the neural network model of the system, through the analysis of vibration sieve in the condition of different amplitude of vibration signal spectrum, virtual spectrum response identification model, model weights, the characteristic analysis of identification model could be used to judge whether there are cracks on the vibration sieve.
Finally, the research methods of the characteristic analysis model is applied to the actual vibration sieve crack on the trend of development. To identify the actual vibration sieve crack model, vibration signal acquisition of vibrating screen to increase in the number of days the way, change of identification model in different time weights, according to statistical analysis, with the increase of time. The model weight decreases gradually and the concentration trend. Experimental results show that the development trend by analyzing the identification model of the weights of the vibration sieve crack is feasible, but also meaningful.

【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TH237.6;TH165.3

【相似文獻】

相關期刊論文 前10條

1 劉丹;;基于一種改進的BP神經(jīng)網(wǎng)絡的飛機目標識別[J];中國高新技術企業(yè);2011年16期

2 鄭潤娜;陳仕彬;;直線振動細篩設計[J];機械制造與自動化;2011年03期

3 戴志超;;神經(jīng)網(wǎng)絡對水電機組振動故障的應用研究[J];計算機仿真;2011年06期

4 李國宏;孫健;夏偉鵬;康紅霞;;基于神經(jīng)網(wǎng)絡的地空導彈武器系統(tǒng)作戰(zhàn)能力評估[J];火力與指揮控制;2011年08期

5 黃運明;曹君;;振動篩重心的計算機輔助計算探討[J];機械工程師;2011年09期

6 靳玉柱;王忠勇;;基于傳感器的電子火災檢測器的研制[J];福建建材;2011年03期

7 覃玉祝;謝進;陳永;陳江瑜;何江波;;混沌振動篩機構的研究[J];機械設計;2011年07期

8 徐進;彭雄志;胡偉明;唐浩俊;;基于神經(jīng)網(wǎng)絡的盾構機掘進隧道地表沉降預測[J];四川建筑;2011年03期

9 黃小華;李德源;呂文閣;成思源;;基于人工神經(jīng)網(wǎng)絡模型的風速預測[J];太陽能學報;2011年02期

10 孟彩茹;馮忠緒;李磊;李學武;李長歡;;瀝青攪拌設備多層振動篩篩分效率的試驗研究[J];武漢理工大學學報;2011年07期

相關會議論文 前10條

1 王曉曄;杜太行;呂德忠;;多變量非線性合成氨控制系統(tǒng)的建模[A];1998中國控制與決策學術年會論文集[C];1998年

2 呂崗;趙鶴鳴;;一種優(yōu)化前向神經(jīng)網(wǎng)絡權值的免疫算法[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 王勝武;王增彬;鄭新奇;;基于神經(jīng)網(wǎng)絡的宗地地價評估探析[A];2005年山東土地學會學術年會論文集[C];2005年

4 馮恩波;;間歇生產(chǎn)過程的神經(jīng)網(wǎng)絡模型及優(yōu)化控制[A];中國科學技術協(xié)會首屆青年學術年會論文集（工科分冊·上冊）[C];1992年

5 林是;陳奮銑;郭棟;鄒玲楓;徐慎初;;注入式電致發(fā)光神經(jīng)網(wǎng)絡[A];中國科學技術協(xié)會首屆青年學術年會論文集（工科分冊·上冊）[C];1992年

6 張美戀;林熙;;經(jīng)濟增長的神經(jīng)網(wǎng)絡模型[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 楊學增;方棣棠;;神經(jīng)網(wǎng)絡用于語音識別初探[A];第一屆全國語言識別學術報告與展示會論文集[C];1990年

8 孫慧;王U，

本文編號：1381136