3神经网络的基本理论及动态模型的实现 7

  3。1 人工神经网络 7

  3。2 神经网络的特点 8

  3。3 神经网络的发展历史 9

  3。4 BP网络理论 10

    3。4。1 BP神经网络简介及其构成 10

    3。4。2 BP神经网络的建立 11

4神经网络的实例动态模型的实现 12

  4。1工程描述 12

  4。3 输入向量和目标向量的设计 14

  4。4归一化 16

  4。5 BP网络的设计 16

  4。6 BP网络的训练、测试 17

  4。7 诊断结果 18

5总结分析 19

致谢 20

参考文献 21

附录 22

1绪论

1。1 本课题的研究目的和意义

    在 60 年代初期，国外就已经开始了对电机设备故障诊断技术的研究。尽管世界上的各个国家对此都很重视，但是直到七八十年代，设备的在线诊断技术随着计算机、传感器、光纤等高新技术的不断提高才得以飞速发展。前苏联、日本、加拿大等国针对变压器、发电机的局部放电、泄漏电流而陆续研制开发了在线监测系统，但只有少数发展成为正式产品。 我国设备诊断技术的发展始于 80 年代初期，其经历了准备阶段、实施阶段、普及提高阶段、工程化、产业化阶段和现如今的传统诊断与现代诊断并存的五个阶段。在某些特定设备故障诊断研究方面形成了自己的特色，成功研制开发了一批具有自主知识产权的在线监测诊断产品。如东北大学的“轧钢机状态监测系统”和“风机工作状态监测系统”，西安交通大学的“大型旋转机械计算机状态监测与故障诊断系统”，哈尔滨工业大学的“机组振动微机监测和故障诊断系统”。通过对我国设备诊断技术现状的调研，其应用集中在化工、电力、冶金等行业，科研则主要集中在高校。我国的部分高校如东北大学、哈尔滨工业大学、西安交通大学、清华大学、上海交通大学、华中理工大学等等已经相继成立了颇具实力的诊断工程中心。这对促进我国诊断技术的飞跃发展提供了良好的必要条件。论文网

1。2 动车组转向架轴承故障诊断技术的发展趋势

1。3 论文的安排及研究内容

    轨道车辆转向架在许多故障类型中以电机轴承故障为主要。因此，本课题以其为研究对象,以振动情况来监测车辆的运行过程,基于相关文献的阅读,对传统的故障诊断方法上的不足,提出基于BP神经网络算法的在线诊断,通过输入和目标向量设计以及BP网络创建和BP网络的训练与测试过程后分析了电机轴承的三种工作模式,分别是正常、内环松动、外环松动。与此同时对训练好的网络进行实际数据的带入实验。最后,实验结果表明,BP神经网络的故障诊断方法可以有效地诊断和识别电机轴承故障。

     最后,实现了铁路车辆电机轴承故障诊断软件。一开始先对系统的功能模块进行了说明,然后对系统的操作界面进行了演示。实现了电机轴承的智能诊断,保证了列车的安全运行,让列车拥有很好的可靠性。