基于神经网络的旋转机械故障诊断研究

一般对特定的基于多层感知器的故障诊断问题 ,很难确定神经网络的结构。在分析了多层感知器对故障的识别和诊断能力后 ,采用由小到大和由大到小的方法确定神经网络隐层数与隐层单元数。研究了基于神经网络和振动频谱的旋转机械故障诊断方法 ;研制了一个基于该方法的智能故障诊断系统 ,该系统集网络学习、故障诊断、数据库管理和数据查询为一体。在该智能诊断系统中采用了知识子块的概念 ,系统界面友好 ,交互性强。将其应用于某个大型风机的故障诊断中 ,结果表明该系统操作方便 ,诊断结果准确可靠 ,且具有很强的鲁棒性 ,对某些情况可以实现自动诊断 ,进而证明了该诊断方法的有效性。