学位论文 > 优秀研究生学位论文题录展示

基于神经网络的道岔智能故障诊断方法的研究

作　者: 王铁军
导　师: 董昱
学　校: 兰州交通大学
专　业: 交通信息工程与控制
关键词: 道岔智能故障诊断 BP神经网络 RBF神经网络 Levenberg-Marquart算法
分类号: TP183
类　型: 硕士论文
年　份: 2011年
下　载: 54次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着铁路运行速度的逐年攀升,较快的列车运行速度对道岔提出了更加严格的要求。本论文是道岔监测系统项目的一个子课题,是在道岔监测系统提供的大量道岔状态数据的基础上,应用神经网络对道岔进行智能故障诊断。本文是对道岔智能故障诊断的一次初步尝试,目的是给道岔监测系统的故障诊断功能提供一种可行性实现方法。论文首先介绍神经网络的定义和原理,并分别的从两个典型神经网络——反向传播神经网络(BP神经网络)和径向基神经网络(RBF神经网络)两方面详细阐述了网络的构造,学习算法及其应用。随后,为了方便构造神经网络系统,在介绍道岔转换系统结构的基础上,分析各种典型故障的机理,对杂乱无章的各种故障进行了统一分类,并系统地介绍提供各种道岔监测数据的道岔监测系统。最后,运用MATLAB分别构造BP神经网络模型和RBF神经网络模型。多次测试后,对网络性能进行对比研究,发现诊断结果基本达到预期的诊断要求,完成了道岔智能故障诊断的理论研究。本文重点在以下几个方面进行探索与研究：按照道岔故障机理和神经网络结构特性,把道岔故障分为三类,每类构造一个子神经网络,总体组建成一个并行神经网络系统框架。选择最优BP算法。对某个子神经网络构造BP神经网络模型,应用多种常见BP算.法分别对网络训练并测试,从测试结果中获得每种BP算法的优势和劣势。设计基于BP算法的并行神经网络故障诊断模型。针对于每一个子神经网络,利用经验公式得出隐含层神经元个数的最小范围,然后在最小范围内对隐含层神经元个数逐个尝试,分析不同隐含层节点数对网络性能的影响,采用Levenberg-Marquart算法构造最优BP神经网络。然后训练网络并进行故障诊断测试。设计基于RBF算法的并行神经网络故障诊断模型。针对于每一个子神经网络,通过多次试验获取隐含层神经元个数和径向基分布密度的最优值并构造性能最佳的RBF神经网络,然后训练网络并进行故障诊断测试。通过一系列理论研究和大量仿真试验证明：神经网络技术运用在道岔智能故障诊断方面是切实可行的。该方法能快速、有效地诊断出故障原因,为维修人员提供技术支持。

全文目录


摘要  4-5
Abstract  5-9
1 绪论  9-12
  1.1 课题研究的意义  9
  1.2 故障诊断概述  9-11
    1.2.1 故障诊断的基本概念  9-10
    1.2.2 故障诊断的方法  10-11
  1.3 课题研究的主要内容及目标  11-12
    1.3.1 课题背景  11
    1.3.2 论文主要内容  11-12
2 神经网络基本原理  12-26
  2.1 信息融合技术概述  12
  2.2 神经元的模型  12-13
  2.3 神经元的传递函数  13-14
  2.4 神经网络的分类  14-15
    2.4.1 前向神经网络  14
    2.4.2 反馈神经网络  14-15
  2.5 神经网络的学习模型  15-16
    2.5.1 有导师学习  15
    2.5.2 无导师学习  15-16
  2.6 神经网络的特点和功能  16-17
  2.7 BP神经网络和RBF神经网络  17-26
    2.7.1 BP神经网络  17-23
    2.7.2 RBF神经网络  23-26
3 常见道岔故障和道岔监测系统  26-34
  3.1 道岔转换系统的基本组成及其常见故障  26-30
    3.1.1 电气设备的基本组成及其常见故障  26-28
    3.1.2 机械设备的基本组成及其常见故障  28-30
  3.2 道岔监测系统  30-34
    3.2.1 道岔监测系统概况  30-31
    3.2.2 道岔监测系统架构  31-32
    3.2.3 道岔监测系统软件架构  32-34
4 基于神经网络的道岔智能故障诊断方法的研究与实现  34-56
  4.1 BP神经网络的设计  35-49
    4.1.1 输入/输出层的设计  35-38
    4.1.2 样本的选取与处理  38
    4.1.3 初始权值的选择  38-39
    4.1.4 隐含层数和隐含层节点数的确定  39
    4.1.5 BP神经网络的训练与测试  39-49
  4.2 RBF神经网络的设计  49-54
    4.2.1 RBF子神经网络1的训练与测试  49-51
    4.2.2 RBF子神经网络2的训练与测试  51-53
    4.2.3 RBF子神经网络3的训练与测试  53-54
  4.3 算法讨论  54-56
结论  56-59
参考文献  59-61
攻读学位期间的研究成果  61

相似论文

  1. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  2. 机械臂视觉伺服系统的研究,TP242.6
  3. 市级旅游用地规划环境影响评价研究,X820.3
  4. 珠三角地区高性能混凝土配合比智能化系统,TU528
  5. 大学生综合素质测评研究,G645.5
  6. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  7. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  8. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  9. 高速公路拆迁民众生存系统评价研究,D523
  10. 煤矿风险信息集成与智能预警研究,X936
  11. 基于计算机视觉的柑橘品质分级技术研究,TP391.41
  12. 制造业绿色产品研发的风险识别与评价研究,F205;F224
  13. 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
  14. 基于神经网络的漯河技术监督局食品安全预警系统研究,F203
  15. 基于神经网络的自适应噪声主动控制研究,TP183
  16. 数字型仪表自动识读系统研究,TP391.41
  17. 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
  18. 多向变异遗传算法及其优化神经网络的研究,TP18
  19. 基于因子分析和BP神经网络的风机状态诊断研究,F426.61
  20. 基于BP神经网络的GPS高程拟合模型及其应用研究,P228.4
  21. 转炉炼钢终点指导系统的研究与设计,TF345

中图分类: > 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 > 人工神经网络与计算
© 2012 www.xueweilunwen.com