毕业设计-神经网络故障的MATLAB仿真.doc

说明 1、页眉：原来的页眉是彩色的，现在统一成黑白，避免打印时只有页眉需要彩色；字体：宋体 五号；英文数字用Times New Roman。 2、打印：有图片的打印彩色，其余的打印黑白。封面单独一页，其余的都是双面打印。 3、有同学反映正文标题前面有个点，自己点击“打印预览”，就可以看到有没有点了。 摘要 本课题主要研究在MATLAB环境中进行基于神经网络的设备状态及船用柴油机故障诊断。分别利用BP网络和RBF网络来进行设备状态及船用柴油机故障诊断，以实现复杂系统的故障诊断问题。仿真研究表明，利用神经网络来实现复杂系统的故障诊断是可行和有效的。 关键词 故障诊断 BP网络 RBF网络 Abstract The main idea of this task is fault diagnosis of device status and marine diesel based on ANN by using MATLAB. In this task, it is achieving the fault diagnosis of complex systems by using BP Network and RBF Network respectively to diagnose device status and marine diesel . Simulation result demonstrate that it is feasible and effective to use ANN to diagnose complex systems . Keywords Fault-diagnosis BP Network RBF Network目 录 注： 1、字母、数字用Times New Roman，字号跟随标题，一级标题页码的字号就是四号，二级标题页码就是小四 2、一级标题：单倍行距；黑体 四号 加粗 3、二级标题：文本之前缩进0.39厘米，段后5磅，多倍行距1.15；宋体 小四 加粗 4、三级标题：文本之前缩进0.78厘米，其余与二级标题一样；宋体 小四 加粗 1．前言 1 2．故障诊断 2 2.1 故障及故障诊断技术 2 2.1.1 故障的定义（正文有三级标题的，目录也需要三级标题） 2.2 设备故障诊断技术的主要理论方法及发展前景 3 3．MATLAB及神经网络简介 6 3.1 MATLAB简介 6 3.2 神经网络简介 7 4．基于BP网络的设备状态分类器设计 13 4.1 BP网络 13 4.2 BP网络建立 14 4.3 网络训练与测试 17 4.4 测试结果分析与评价 19 5．基于RBF网络的船用柴油机故障诊断 20 5.1 问题描述 20 5.2 径向基函数网络 20 5.3 涡轮增压系统的故障诊断模型分析 23 5.4 网络建立及测试 26 5.5 测试结果分析与评价 28 结束语（标点是自动生成的，肯定是要有） 30 参考文献 31 致 谢 32 附录 33 附录1——基于BP网络的设备状态分类器设计的完整的MATLAB代码 33 附录2——基于RBF网络的船用柴油机故障诊断的完整的MATLAB代码 34 1．前言 机械设备的工作状态直接关系到设备的正常运行。由于许多无法避免的因素影响，会导致设备出现各种故障，从而降低或失去预定的功能，甚至会造成严重的以至灾难性的事故，造成极大的经济损失和人员伤亡。因此保证设备的安全运行，消除事故，是十分迫切的问题。 然而机械设备系统的故障类型和故障原因往往很复杂，故障和征兆之间通常不存在简单的一一对应的关系，而是属于多输入多输出系统，用传统的基于模型的诊断方法会遇到建模困难的问题，导致无法进行诊断或诊断效果不理想。而基于神经网络的设备故障诊断可以大大简化故障诊断的过程。在本次的课题中，则以减速箱和船用柴油机的故障诊断为例，在MATLAB环境中，通过减速箱及船用柴油机的神经网络故障诊断模型的建立、训练和测试，学习和理解神经网络在故障诊断中的应用。 （页码：宋体 小五 居中）2．故障诊断 工欲善其事，必先利其器。设备是生产发展的基本要素之一。良好的设备维修管理依赖于准确的故障诊断。 2.1 故障及故障诊断技术 2.1.1 故障的定义 关于设备故障这一概念，目前并没有一个严格、统一的定义。基于不同的文献资料或不同的应用环境往往有不同的解释。 按照国家标准（GB 3187—82）的规定，给定层次级上的子分系统的故障是指该子分系统“丧失规定的功能”，或者说，给定层次级上的子分系统的输出与所预期的输出不相符合。[1] 从设备维修的角度，故障被定义为：设备运行的功能失常，或者是设备的系统或局部的功能失效。从