基于信号分析的系统状态判别方法设计

摘 要

   

本文提出了一种系统状态的判别方法，基于对信号分析的基础上，充分利用人工神经网络的优点，并用遗传算法加以优化网络，以较高准确率实现对系统状态的智能判别。

针对系统状态的判别问题，本文具体以机械系统的故障诊断为研究对象，采用了小波分析方式提取信号特征， 用BP神经网络进行智能判别。人工神经网络由于具有非线性、并行分布以及学习归纳能力等特点，而被广泛应用于各个领域并取得了良好效果。神经网络技术已经被引入故障诊断领域，可以降低对操作人员的专业知识要求，将故障诊断从传统方法转向人工智能方向。我们在此BP网络的基础上采用遗传算法进行优化，以提高网络的性能。

数据处理结果表明，经遗传算法改进后的BP神经网络算法能有效地降低模型计算和预测的平均误差，提高了系统智能判别的准确率。通过实验表明了该判别方法的实用性。

关键词：状态判别，故障诊断，神经网络，小波分析，遗传算法

ABSTRACT

  ...

KEYWORDS: states recognition, fault diagnosis, neural network, wavelet analysis, genetic algorithm

目  录

第一章  绪论 1

1.1课题研究的目的及意义 1

1.2机械故障诊断的主要内容和常用方法 1

1.2.1 机械故障诊断的主要内容 1

1.2.2 机械故障诊断的常用方法 1

1.3 概述机械故障诊断的现状以及发展趋势 2

1.4 本文的主要研究内容 4

第二章 信号分析 5

2.1 傅里叶变换 5

2.1.1傅里叶变换 5

2.1.2 短时傅里叶变换 6

2.2 小波变换理论 7

2.3 小波包变换理论 8

2.3.1 小波包变换 8

2.3.2 信号小波包分析的基本实现步骤 9

2.4 提取信号特征向量 9

第三章  神经网络 10

3.1 人工神经网络简介 10

3.2 BP神经网络 12

3.2.1 BP神经网络简介 12

3.2.2 BP神经网络的学习规则 12

3.3 BP神经网络的不足与改进 14

3.3.1 BP神经网络的不足 14

3.3.2 BP神经网络的一些改进算法 14

3.4 机械设备的BP神经网络状态识别 15

3.4.1 BP神经网络设计 16

3.4.2 训练算法与激励函数的选择 17

第四章 遗传算法优化BP神经网络 18

4.1 遗传算法 18

4.1.1 遗传算法简介 18

4.1.2 遗传算法的运算过程 18

4.1.3 遗传算法的特点 19

4.1.4遗传算法框架 19

4.1.5 遗传算法的一般算法 20

4.2 遗传算法优化BP神经网络 21

4.2.1 遗传算法优化BP神经网络算法流程 21

4.2.2 遗传算法设置 21

第五章  机械系统状态的识别 23

5.1 正常情况下的优化效果 23

5.2 综述 23

结论与展望 24

参考文献 25

致谢 26