旋转机械的智能诊断方法研究PDF|Epub|txt|kindle电子书版本网盘下载

旋转机械的智能诊断方法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 绪论1

1.1 课题的背景和研究的意义1

1.2 设备状态监测与故障诊断概述4

1.3 旋转机械故障诊断国内外研究现状6

1.3.1 国内研究现状6

1.3.2 国外研究现状8

1.4 本课题的研究内容9

1.5 本章小结10

2 旋转机械故障的特点及诊断方法11

2.1 旋转机械典型故障的特点11

2.2 旋转机械故障诊断方法综述12

2.3 基于模式识别的诊断方法14

2.4 神经网络方法17

2.4.1 神经网络概述17

2.4.2 神经网络的拓扑结构18

2.4.3 神经网络的学习规则19

2.5 BP网络故障诊断21

2.5.1 BP网络发展21

2.5.2 BP网络的设计23

2.5.3 BP网络诊断结果24

2.6 专家系统25

2.7 自组织特征映射神经网络故障诊断27

2.7.1 自组织特征映射神经网络模型27

2.7.2 SOFM诊断结果分析28

3 模糊脉冲神经网络模型30

3.1 脉冲神经元模型30

3.1.1 神经元及其行为机理30

3.1.2 脉冲神经元模型32

3.1.3 编码方式34

3.2 模糊脉冲神经网络模型36

3.3 模糊聚类分析40

3.3.1 模糊聚类分析数学模型40

3.3.2 模糊C均值聚类算法41

3.4 脉冲神经网络与专家系统融合诊断模型43

4 模糊脉冲神经网络在旋转机械故障诊断中的应用45

4.1 故障特征提取45

4.2 基于模糊脉冲神经网络的故障诊断50

4.2.1 FSNN诊断算法50

4.2.2 FSNN诊断结果50

4.3 FSNN聚类有效性分析55

4.4 本章小结58

5 基于FSNN与专家系统的融合诊断模型59

5.1 基于专家系统的故障诊断方法59

5.2 人工神经网络与专家系统的融合方式63

5.3 FSNN与专家系统融合诊断模型65

5.4 实例分析67

6 基于FSNN的旋转机械在线诊断网络化系统71

6.1 引言71

6.2 网络化系统总体结构72

6.2.1 结构体系概述72

6.2.2 系统的总体结构73

6.2.3 网络化系统结构76

6.3 系统的软件实现77

6.3.1 系统功能模块77

6.3.2 FSNN诊断算法实现80

6.4 网络化系统的通信及实现83

6.4.1 Socket套接字83

6.4.2 FTP84

6.5 本章小结85

7 遗传算法及其应用86

7.1 遗传算法的概述86

7.2 遗传算法的思想87

7.3 遗传算法的设计与实现87

7.3.1 遗传算法的三个基本操作87

7.3.2 遗传算法的实现88

7.4 遗传算法的优点95

8 遗传神经网络在旋转机械中的应用建模97

8.1 基本思想97

8.2 建模工具箱简介99

8.3 BP网络算法建模103

8.4 遗传神经网络建模107

8.5 仿真结论111

9 基于遗传算法的烧结抽烟机故障诊断系统113

9.1 系统硬件实现113

9.1.1 传感器选型及安装113

9.1.2 数据采集仪115

9.1.3 系统硬件布线图115

9.2 系统软件开发的关键技术117

9.2.1 软件功能设计117

9.2.2 软件平台的选择119

9.2.3 数据存储和管理119

9.2.4 多线程技术的应用120

9.2.5 用户主界面设计120

9.2.6 智能诊断模块122

10 模糊聚类算法研究127

10.1 经典模糊理论127

10.2 模糊聚类分析128

10.2.1 数据集的C划分129

10.2.2 聚类目标函数129

10.3 模糊C均值聚类算法（FCM）130

10.3.1 算法概述130

10.3.2 FCM缺陷和不足131

10.4 粒子群优化模糊聚类算法132

10.4.1 粒子群优化算法132

10.4.2 基于PSO的加权模糊聚类算法（PSO-WFCM）133

10.5 PSO WFCM在故障诊断中的应用134

11 结论与展望137

11.1 结论137

11.2 创新点138

11.3 展望138

致谢140

附录141

参考文献142