版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、復雜機械系統(tǒng)狀態(tài)和性能的診斷與評估是先進制造系統(tǒng)的重要組成部分,也是保證生產(chǎn)和質量控制的穩(wěn)定性的重要手段。基于傳統(tǒng)神經(jīng)網(wǎng)絡的智能診斷技術在對復雜機械設備的狀態(tài)和性能進行診斷和評估時,常遭受“穩(wěn)定性”和“適應性”的困窘,而基于自適應共振理論的神經(jīng)網(wǎng)絡則能很好地解決此問題。為了充分發(fā)揮該網(wǎng)絡的優(yōu)勢,使其更好地應用于設備的狀態(tài)和性能的診斷與評估之中,本論文以自適應共振理論為基礎,深入研究了基于自適應共振理論的混合智能診斷技術,并將其應用于自制
2、的準高速進給系統(tǒng)的狀態(tài)和性能的評估和診斷分析之中。
論文首先深入地分析了模糊自適應共振理論(Fuzzy ART)的基本原理和性質。針對Fuzzy ART的性能受訓練樣本順序影響的缺點,以及基于Yu的范數(shù)的相似分類器和ART的優(yōu)點,提出了一種基于Yu的范數(shù)的ART-Similarity 無監(jiān)督診斷方法。從多個角度提取反應機械設備不同狀態(tài)和性能的特征參數(shù),利用距離區(qū)分技術進行敏感特征參數(shù)的選擇,并結合ART-Similarit
3、y分類器對機械設備的狀態(tài)和性能進行診斷分析。通過對齒輪不同剝落程度的故障分析,結果表明結合特征選擇的無監(jiān)督分類方法的診斷精度較高,甚至優(yōu)于Fuzzy ART網(wǎng)絡。
針對Fuzzy ARTMAP神經(jīng)網(wǎng)絡采用“硬競爭”機制進行分類時帶來的問題,提出了一種采用混合分類機制的改進的Fuzzy ARTMAP網(wǎng)絡。當Fuzzy ARTMAP被訓練后,利用每個模式節(jié)點所包含的訓練樣本就可獲取其對應的中心。對于給定的樣本,就可將兩種分類機
4、制即基于Yu范數(shù)的相似分類方法和Fuzzy ARTMAP原始的分類機制相結合起來對該樣本進行分類。同樣以齒輪的五種故障狀態(tài)為診斷實例,驗證了該改進FuzzyARTMAP神經(jīng)網(wǎng)絡的優(yōu)越性,同時也運用Bootstrap法驗證了其通用性。
由于Fuzzy ARTMAP 神經(jīng)網(wǎng)絡自身的缺陷即其性能受訓練樣本輸入順序影響及一些特征參數(shù)反映設備狀態(tài)信息不充分的問題,常使得其對復雜機械系統(tǒng)故障進行診斷時精度不夠高,對此提出了一種基于多特
5、征域的選擇性集成的Fuzzy ARTMAP神經(jīng)網(wǎng)絡診斷方法。從多個特征域中抽取特征參數(shù)用來描述機械系統(tǒng)狀態(tài)信息,并運用修正的距離區(qū)分技術分別選取各個特征域中的敏感特征,將其分別輸入到Fuzzy ARTMAP網(wǎng)絡進行診斷分析,并運用相關性方法對網(wǎng)絡個數(shù)進行了選擇,通過貝葉斯置信方法對診斷結果做出了最后的決策。通過對軸承不同故障類型和不同損傷程度的診斷分析,驗證了該方法有效性、通用性和魯棒性。
不同的特征參數(shù)對機械系統(tǒng)的不同狀
6、態(tài)和性能有著不同的敏感度,為了使FuzzyARTMAP網(wǎng)絡每個節(jié)點所包含的知識更加緊湊,提出了一種加權的Fuzzy ARTMAP智能診斷方法。從時域和頻域的角度抽取反映設備狀態(tài)和信息的特征參數(shù),運用修正的距離評估技術可以獲取一些對設備狀態(tài)較敏感的特征參數(shù)及其對應敏感系數(shù),然后結合加權的Fuzzy ARTMAP進行設備的狀態(tài)和性能的診斷分析。以軸承不同損傷程度的故障診斷為例,驗證了該方法診斷性能的優(yōu)越性。
Fuzzy ART
7、MAP 神經(jīng)網(wǎng)絡在進行故障診斷時遭遇“黑箱”問題,特別是數(shù)據(jù)樣本與其對應類名事先不知道時,提出了一種基于Fuzzy ART&ARTMAP的故障診斷及規(guī)則抽取的方法。當訓練數(shù)據(jù)樣本與其對應的類別已知時,可利用其對Fuzzy ARTMAP 進行學習,并運用訓練好的網(wǎng)絡對測試樣本進行分類,從而進行規(guī)則的抽?。煌瑫r可將那些不知類名的測試樣本歸為一類。對于這些不知類名的數(shù)據(jù)樣本,可用Fuzzy ART對其進行識別并獲取相對應的類名。利用這些樣本和
8、類名可重新訓練Fuzzy ARTMAP,并結合預測數(shù)據(jù)就可進行新的診斷規(guī)則的獲取。通過對軸承不同損傷程度的診斷分析,驗證了該方法的有效性。
每種預測方法都有各自不同的優(yōu)劣性,RBF 網(wǎng)絡的性能也常其因隱含層節(jié)點個數(shù)不能動態(tài)地確定而受到影響,對此提出了一種基于ART-RBF 神經(jīng)網(wǎng)絡的混合預測方法。
首先運用時變AR方法和LS-SVM 兩種不同的預測方法對同一時間序列進行預測,然后將各自的預測結果作為ART-R
9、BF 網(wǎng)絡的輸入進行訓練和測試。通過對Mackey-Glass混沌時間序列的預測分析,驗證了該組合預測方法的優(yōu)越性。
最后,以HUST-FS-001 進給系統(tǒng)實驗臺為應用對象,運用三種方法即基于Yu的范數(shù)ART-Similarity、改進的Fuzzy ARTMAP和基于特征域的選擇性集成Fuzzy ARTMAP對其軸承的不同預緊狀態(tài)進行了診斷分析;運用加權的Fuzzy ARTMAP、FuzzyART&ARTMAP對因溫度變
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 自適應神經(jīng)智能方法及其在結構損傷診斷中的應用.pdf
- 自適應共振理論原理與應用研究.pdf
- 基于自適應隨機共振的滾動軸承故障診斷方法研究.pdf
- 基于支持向量機與自適應共振理論的模擬電路故障診斷方法研究及實現(xiàn).pdf
- 擴展自適應混合代理模型及其應用.pdf
- 基于自適應諧振理論的網(wǎng)絡異常檢測及其優(yōu)化方法.pdf
- 基于模糊自適應共振理論的盲數(shù)字水印算法.pdf
- 基于自適應隨機共振的微弱信號檢測方法研究.pdf
- 自適應智能控制技術及其應用研究.pdf
- 基于用戶自適應的語句級混合語言輸入方法.pdf
- 基于自適應遺傳算法的離散化方法及其應用.pdf
- 自適應逆控制方法研究及其應用.pdf
- 基于自適應濾波理論的智能聲響控制算法研究.pdf
- 自適應理論在軟件開發(fā)方法上的應用.pdf
- 基于Canny理論的自適應邊緣檢測方法研究.pdf
- 基于全信息的智能診斷方法及其應用研究.pdf
- 智能自適應灰色預測控制及其應用研究.pdf
- 混沌系統(tǒng)的智能自適應控制方法研究.pdf
- 自適應逆控制方法及其應用研究.pdf
- 混合智能計算方法及其應用.pdf
評論
0/150
提交評論