融合先验知识神经网络故障诊断方法研究.pdfVIP

摘要 摘 要 故障诊断技术对于提高系统的安全性、可靠性、有效性，减小经济损失，保 障人身安全具有重要意义，R益为人们所重视。然而随着诊断对象的复杂性不断 上升，现有的故障诊断理论和技术正面临着复杂系统带来的严峻挑战。神经网络 不必掌握系统机理就能完成故障诊断，以其良好的非线性映射能力为复杂系统的 故障诊断提供了一个快速而且有效的方法。另一方面，神经网络完全依赖于样本 数据，可能无法全面反映对象特性，先验知识可作为黑箱建模的一个补充，提高 神经网络的拟合精度和收敛速度。因此，研究结合先验知识的神经网络用于复杂 系统的故障诊断，具有重要的研究价值和广泛的应用前景。 论文首先全面研究了故障诊断技术，分信号处理的方法、数学模型的方法和 智能诊断方法三类，对比分析它们的适用条件。由于复杂系统结构复杂、参量指 标多，故障机理的可认识性和可描述性差，应用白箱建模用于复杂系统故障诊断 难度高，使用黑箱建模可避开此障碍。 其次，在对神经网络的结构特点和训练算法综合讨论的基础上，把先验知识 和神经网络的结合方式分为结构约束方法，权值约束方法和数据约束方法，给出 了它们的基本原理和实现方法。重点研究了数据约束方法，提出了融合先验知识 样本的故障诊断方法。该法把故障先验知识转化为神经网络可处理的形式，提前 完成了神经网络训练的部分工作从而加快收敛速度，并提高了网络对先验知识泛 化能力。 然后，选取地铁列车牵引系统这一典型的复杂系统为例，用系统分析、故障 树分析、模糊推理等抽取总结出牵引系统的故障先验知识，应用融合先验知识样 本法进行故障诊断，仿真结果表明网络收敛性和诊断精度均收到了满意的结果。 最后，总结论文工作，指明下一步的研究方向：完善融合先验知识样本法的 理论证明；降低先验知识的主观性；进一步研究先验知识向神经网络可用形式的 转换方法等。 关键词：神经网络故障诊断先验知识样本复杂系统列车 Abstract ABSTRACT Fault isof for diagnosistechniquegreatsignificanceimprovingsystemsecurity， effectiveness．SOthatitcanreduceeconomiclossesand reliability．and provide of and fault theories protectionpersonalsafety．However．theexistingdiagnosis are agreat is the of technologiesfacing challenge，whichbroughtby risingcomplexity neural for have networkfault donot to systems．Whenusing diagnosis，Peoplegrasp themechanismof fault．Neuralnetwork’Snonlinear system good mappingability afastandeffectivemethodforthefault of provides diagnosiscomplexsystems．On theotherhand．neuralnetworkis o