基于小波神經網絡的設備故障診斷方法研究.pdf

1、神經網絡以其固有的記憶能力、自學習能力以及強容錯性為故障診斷問題提供了一個新方法。本文針對科學實驗中廣泛使用的平流泵的故障特點，深入研究了BP神經網絡的故障診斷方法。 首先用小波包分析技術做信號處理。選取db3小波函數(shù)，用硬閾值小波包降噪的方法將信號降噪，然后進行小波包分解與重構，以提取信號的能量特征向量，并將得到的特征向量作為神經網絡的輸入。 本文采用具有一個隱含層的三層。BP神經網絡進行故障診斷，深入分析故障診斷的結

2、果后發(fā)現(xiàn)：第一，網絡容易陷入極小值而導致診斷失敗；第二，網絡的隱含層節(jié)點數(shù)難以確定。為了解決上述問題，本文研究設計了GA+BP算法。該方法是將遺傳算法與神經網絡相結合。首先，GA對BP神經網絡做前期優(yōu)化，確定出最佳網絡結構及該結構對應的初始權值、閾值和網絡的學習速率；然后，構造具有最佳結構和參數(shù)的神經網絡來進行故障診斷。GA+BP算法的設計中，把每個染色體分解為連接基因和參數(shù)基因，對這兩部分采取不同的遺傳操作。連接基因采用二進制編碼方法

3、，參數(shù)基因采用實數(shù)編碼方法；連接基因采用一點交叉方式和基本變異方式，參數(shù)基因中的權閾基因和速率基因各自采用算術交叉方式和非均勻變異方式。另外，交叉算子和變異算子都采用自適應的方法。 GA+BP神經網絡與BP神經網絡故障診斷的結果對比后可以看到：第一，GA+BP神經網絡比BP神經網絡的工作量少，且克服了陷入局部極小的缺點，有更好的訓練性能；第二，GA+BP神經網絡的故障診斷準確率高于BP神經網絡。由此可見，GA+BP神經網絡能夠更