外文文献及翻译_High Order Neural Networks for Simultaneous Diagnosis of Multiple Faults in Rotating Machines应用高阶神经网络对旋转机器的多种故障进行诊断.docVIP

毕业论文（设计） 英文翻译 原文标题 High Order Neural Networks for Simultaneous Diagnosis of Multiple Faults in Rotating Machines 译文标题 应用高阶神经网络对旋转机器的多种故障进行诊断 学生姓名 学号 专业年级 指导教师 二Ｏ一二 年 五 月 二十八 日 应用高阶神经网络对旋转机器的多种故障进行诊断 B. Zhong，J. MacIntyre2, Y. He` and J. Tait2 hyperellipsoids和标准BP算法的训练算法，在这样的网络运用一定概念和推测， 根据椭球状单位网络(HDANN)的等级制度诊断的人工神经网络,在旋转电机中常遇到多个缺点同时诊断的问题，包括几个子网络并且将一个大模式空间划分成几个更小的子空间时，子网络可以在各自子空间中训练，并且整体网络是有能力对多个故障上同时进行诊断。最终，典型的故障数据从旋转电机中被网络测试出来，研究结果表示， HDANN可能得到更加准确和更加高效率的诊断结果，并且这种实时条件监测和对旋转电机的诊断是有用的。 关键词：等级制度的诊断网络；旋转机械；故障诊断；神经网络 引言 近年来，越来越多故障诊断理论、方法和战略，并且为大规模旋转电机进行定量方法的提议受到了关注。例如统计样式分类方法，系统基于证明的参量模型方法，等等。但这些方法总使模型和广泛的演算复杂化。人工神经网络(ANN)技术由于它的并行处理的，联想记忆，自已组织的，自我学习和非常强的非线性映射的能力，所以在故障诊断上很有潜力。特别地，神经网络的能力应付高维度样式分类和非线性样式故障诊断分类方面是重要的。作者在这个主题发表了许多论文。作为样式分类的方法，标准多层前向反馈神经网络决策空间以超平面和决定地区，形成的总是无边际的，可能导致不够精确的推测。虽然使用椭球状单位要克服高位神经网络这个局限，但是对于故障诊断应用方面是有用。所以在本文椭球状单位网络被描述，初始化方法为hyperellipsoids，并且训练算法也被描述。一个等级制度的人工神经网络(HDANN)为旋转电机的众多个故障进行诊断和测试结果。 1.1 网络结构 EQ是定义的椭球状单位。一个单位可能达到令人满意的估计，并且网络包括线性输入装置和椭球状输出装置二层数。每个暗藏的单位只连接到一套输出装置，并且每套输出装置有紧密的暗藏的单位。就特点传染媒介而论，是从原始数据得到的特征，而提取的数据是从旋转电机中得到的，其网络图 在这网络中每个输入单位一起连接到每个隐藏的单位二个压重 分别地, 在的尺寸上决定椭圆体的主要轴的中心共纵线和长度 Duda RO, Hart PE. Pattern Classification and Scene Analysis, Wiley, New York, 1973 [2] Watanabe K, Himmelblau DM. Fault diagnosis in nonlinear chemical process: Theory. AIChE J 1983; 29: 243–250 [3] Venkatasubramanian V, Chen K. A neural network methodology for process fault diagnosis. AIChE J 1989; 35(12): 1993–2002 [4] Yan Tinghu, Zhong Binglin, Huang Ren. Neural network technique and its application in fault diagnosis for rotating machines. J Vibration Eng 1993; 6(3): 205–211 [5] MacIntyre J,Jennings I.Condition monitoring software that thinks for itself.Proc MAINTEC 97 International Maintenance Conference,Birmingham,UK,