文档介绍：声音信号识别研究及在机械运行状态预测中的应用湖南大学软件工程硕士学位论文置芏渡昱咂娃名墅鲤趁;筮塞蕉匿堑兰捏衄塑直盘堂筮』生:迨塞握窑旦翘生旦迨塞釜拦旦塑:生学校代号:学号:级:生僮史堵厶丝名;王福奇研究员埴羞望僮童些墨整;答辩委虽会圭匿;题箍煎密
摘要思想应用到实践中,并针对神经网络收敛速度慢的问题,提山了两点改进算法,计算机技术的高速发展对模式识别领域的促进作用,使得基于信号处理的声音模式识别技术在近几年得到了快速发展。声信号具有稳定、精确的特点,使用声信号作为目标分类可以使模式识别的领域大大的拓宽。声音,作为机械运行时发出的一种固有的信号,必然蕴涵着机械本身丰富的结构信息和运行的状态信息,完全可以利用声信号来对设备的运行状态及故障进行在线监测和预报。卢信号模式识别将成为机械状念的在线监测、故障预报的主要手段之一,将是故障检测技术的乇要发展方向。电机是当今用于驱动各种机械和工业设备的最通用装置,为了保证其安令稳定运行,常常需要工作人员定期检修、维护。电机在发生故障时,维护人员足凭借电机发出的声音米判断故障的类型。然而,这种人工方法不仅需要耗费人量人力,而且无法保证故障能及时排除。如果利用计算机对电机发出的声音进行凳判断,就可以代替人完成电机的检修和检测工作。基于这种思想,本次论文将声占模式识别的理论应用到电机故障自动检测的系统中。本文的主要研究内容包括以下几个方而:首先研究了机械运行中出现的儿种常见的故障类型,通过对这些常见故障的分析,提出了机械设备状态在线监测及预测的总体方案和技术路线,考虑列传统的布尔逻辑识别、椒ㄊ侗鹉芰Σ睢⑴芯莶蛔悖捎昧诵〔ò治黾际酰淮特征信号中提取有关状态的信息,选择的机械设备状态特征参数具有较高灵敏度、较高识别能力,采取合适的特征参数提取装置、提取方式及提取方法;其次研究了神经网络在旋转机械设备状态预测上的应用技术,针对现有神经网络对新信息强调不足的问题,提出了一种适于预测用途的新型组合神经网络模型;最后为进行旋转机械状态在线监测及预测技术的实验研究,利用—/型嘁步电动机进行了实践验证,预测发展趋势,并对验证结果进行了分析,取得了良好的分类识别效果。在本次设计中,主要完成一个对机械运行声音信号采集、实时对信号分析,判断出现故障类型的自动识别系统。在分类器设计中,把组合神经网络分类器的利用区域映射代替点映射和动态改变学习速率的方法,通过多次试验,收到了很好的效果,人人提高了网络的速度,完全可以适应系统的实时性要求。关键词:声信号;模式识别;故障预报:小波包;特征提取;神经网络:分类器
,甒.—/,瓵,甋,,痯瑃琀,疭琲..瑃.;;甋,琣;,’痶琧’
篴,琧簅,,,.甤,,—琤甌瑄,—.;籪;;;
导师签名:孛知毛期:游年⒈C芸冢凇!D杲饷芎笫视帽臼谌ㄊ椤;象刍张弘当期:妒学位论文版权使用授权书湖南大学学位论文原创性声明日期:矽矿年;月;月矽目弓月驴日本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,小论文不包含任何其他个人或集体已经发表或撰写的成果作。刘小义的研究做出重要贡献的个人和集体,均已在文·以明确方式标明。本人完伞意识到本声明的法律后果由本人承担。作者签名:本学位论文作者完全了解学校有芙保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交文从〖偷缱影妫市砺畚谋徊樵暮徒阅。本人授权湖市大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编奉学位论文。本学位论文属于⒉槐C芡拧朐谝陨舷嘤Ψ娇蚰诖颉啊獭
第绪论引言现代社会是信息的社会,人类社会的生产生活和以往任何时代相比,更加依赖于信息技术的成就和发展。涵盖了计算机技术、传感技术、信号和信息处理、模式识别、知识工程、网络技术以及人工智能等在内的计算机自动化技术的应用已经渗透到人们生活的各个方面,深刻地影响了人们的生活和行为方式。计算机科学的进步,使现代化的工程技术系统正朝着大规模、复杂化的方向发展,这类系统一旦发生事故,就可能造成人员和财产的巨大损失,因此,切实保障现代化复杂系统的可靠性与安全性,具有十分重要的意义。故障诊断与容错控制技术的出现,束提高复杂系统的可靠性丌辟了一条新的途径。随着对系统安全性要求的进一步提高,人们不仅希望能够在出现故障时提供故障的检测与隔离,还要求能在系统发生故障日口就能预先知道,也就是能够进行故障预报。这样,就能够有足够的时问采取措臆防:故障的发生,避免不必要的损失,特别是在对可靠性要求很高的系统,故障预报已经成为非常重要的问题。对企业来说,故障预报技术还能帮助实现维修体制的变革。如今,企业为了提高自身的竞争力,不断地降低生产成本,而生产成本中有很大的一部分是维修费用,据资