| 【中文题名】 | 基于小波神经网络的故障诊断方法研究 |
| 【英文题名】 | Research of Fault Diagnosis Based on Wavelet Neural Network |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-12-9 |
| 【中关键词】 | 故障诊断,小波神经网络,径向小波框架,对角回归,动态最小二乘算法,BP |
| 【英关键词】 | Fault Diagnosis,Wavelet Neural Network,Diagonal Recurrent,Dynamic Recurrent Least Square Algorithm,BP Algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 近年来,由于计算机技术、信号处理、人工智能、模式识别等技术的发展,促进了故障诊断技术的不断发展,特别是基于知识的故障诊断方法得到了广泛的研究。其中,随着神经网络技术的日趋完善,基于神经网络的故障诊断方法受到了广泛的关注。由于故障诊断的一个主要步骤是对信号进行采集和处理,而小波分析是对信号进行分析和处理的一个有效的工具,同时由于小波函数的诸多优良特性,将小波函数或尺度函数作为神经网络的激励函数可以获得更好的诊断效果,所以小波与神经网络的结合——小波神经网络在故障诊断中的应用成为近年来故障诊断领域中研究的一个热点。
本文在综合分析了各种小波神经网络的结构与算法并对油田抽油机井的数据进行小波包分解以提取其特征向量的基础之上,构造了基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络。该网络包括初始的学习网络和在训练过程中根据精度的要求而自适应并入的子网络,各级网络的隐含 层均由单尺度下的多维紧支径向小波框架构成,且尺度逐级增加,每一级网络对其上一级网络的误差进行学习,而且对新并入的子网络参数的训练不影响已训练好的网络的参数,直到满足精度要求为止,这样就可以根据精度的要求自适应地确定网络的隐含层节点数,... |
| 【论文题纲】 |
|
前言 |
7-11 |
|
第一章 故障诊断技术 |
11-17 |
|
1.1 引言 |
11 |
|
1.2 故障诊断中的基本概念 |
11-12 |
|
1.3 故障诊断的任务及内容 |
12 |
|
1.4 故障诊断的意义 |
12-13 |
|
1.5 故障诊断方法概述 |
13-16 |
|
1.5.1 依赖于模型的故障诊断方法 |
13-14 |
|
1.5.2 不依赖于模型的故障诊断方法 |
14-16 |
|
1.5.3 基于离散事件的故障诊断方法 |
16 |
|
1.6 本章小结 |
16-17 |
|
第二章 小波分析的理论及其应用 |
17-33 |
|
2.1 引言 |
17 |
|
2.2 小波分析的基本理论 |
17-29 |
|
2.2.1 小波分析的形成与发展 |
17-19 |
|
2.2.2 连续小波变换 |
19-20 |
|
2.2.3 离散小波变换 |
20-21 |
|
2.2.4 小波框架 |
21-23 |
|
2.2.5 多分辨率分析与Mallat 算法 |
23-27 |
|
2.2.6 小波包分析 |
27-29 |
|
2.3 信号的小波消噪和特征向量的提取 |
29-32 |
|
2.3.1 信号的小波消噪 |
29-31 |
|
2.3.2 基于多分辨率分析的信号特征向量的提取 |
31-32 |
|
2.4 本章小结 |
32-33 |
|
第三章 基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络的构造 |
33-47 |
|
3.1 引言 |
33 |
|
3.2 小波神经网络 |
33-43 |
|
3.2.1 小波神经网络概述 |
33-34 |
|
3.2.2 小波神经网络的结构 |
34-39 |
|
3.2.3 小波神经网络的基本算法 |
39-43 |
|
3.3 基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络 |
43-45 |
|
3.3.1 网络的提出及其特点 |
43-44 |
|
3.3.2 网络的结构与流程图 |
44-45 |
|
3.4 本章小结 |
45-47 |
|
第四章 基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络的抽油机井故障诊断 |
47-61 |
|
4.1 引言 |
47 |
|
4.2 抽油机井故障简介 |
47-48 |
|
4.3 故障数据的归一化处理与特征向量的提取 |
48-54 |
|
4.3.1 故障数据的归一化处理 |
48-50 |
|
4.3.2 基于小波包分解的信号特征向量的提取 |
50-54 |
|
4.4 网络的学习算法 |
54-55 |
|
4.5 网络的参数初始化方法 |
55-57 |
|
4.5.1 尺度和位移的初始化方法 |
55-56 |
|
4.5.2 权值的初始化方法 |
56-57 |
|
4.6 诊断结果及讨论 |
57-60 |
|
4.7 本章小结 |
60-61 |
|
结论 |
61-63 |
|
致谢 |
63-65 |
|
参考文献 |
65-68 |
|
攻读硕士期间发表论文 |
68-69 |
|
大庆石油学院硕士研究生学位论文摘要 |
69-76 |
|
| 【DOI】 | LunWen.ID:2.2008.387569 |
