图书介绍
旋转机械的智能诊断方法研究pdf电子书版本下载
- 谢长贵著 著
- 出版社: 成都:电子科技大学出版社
- ISBN:9787564744526
- 出版时间:2017
- 标注页数:147页
- 文件大小:50MB
- 文件页数:159页
- 主题词:旋转机构-故障诊断-研究
PDF下载
下载说明
旋转机械的智能诊断方法研究PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!
(文件页数 要大于 标注页数,上中下等多册电子书除外)
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
图书目录
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 FTP 84
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