基于神经网络的故障诊断的研究与分析

基于神经网络的故障诊断的研究与分析(任务书,开题报告,外文翻译,论文17400字)
摘　要
随着社会生产技术水平不断提高,现代机械设备的结构越来越复杂,设备运行的安全性和可靠性己得到普遍重视,于是故障诊断技术近年来在国内外获得了快速的发展。
论文主要介绍了故障诊断技术的发展历程和国内外研究现状以及BP和RBF神经网络。对RBF神经网络进行了参数分析，并对BP和RBF进行了比较，结果表明，BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。
本文利用Matlab软件对BP和RBF神经网络进行了研究和仿真，从而验证了BP和RBF神经用于故障诊断的可行性。
关键词：故障诊断  BP神经网络  RBF神经网络
 
Research and analysis of the fault diagnosis based on neural network
Abstract
Along with the social production technical level unceasing enhancement, the modern mechanical equipment of the structure is more and more complex, has been generally attach importance to the safety and reliability of the equipment operation, so the fault diagnosis technology at home and abroad in recent years obtained the rapid development. [资料来源：http://doc163.com]
The development of history and research status at home and abroad of Fault diagnosis technology is introduced in this paper, including the BP and RBF neural network. RBF neural network parameters are analyzed, and the BP and RBF are compared, and the results show that the BP network and RBF network simulation effect is ideal, but RBF network has a simple structure and fast training speed ,also relatively stable, embodies the superiority of RBF neural network.
This paper uses Matlab software to study and the simulation of BP and RBF neural network, in order to verify the feasibility of BP and RBF neural used in fault diagnosis.
Key Words: Fault diagnosis; The BP neural network; RBF neural network
  [资料来源：Doc163.com]

目  录
摘　要    I
Abstract    II
第一章  绪论    1
1.1  概述    1
1.1.1  课题背景    1
1.1.2  故障诊断的发展历程    1
1.1.3  国内外研究现状    2
1.1.4  故障的类型    3
1.2  本文的主要内容与研究意义    3
1.2.1  本文的主要内容    3
1.2.2  本文的研究意义    3
第二章 神经网络技术    4
2.1 神经网络的概念    4
2.1.1 神经网络用于故障诊断中的优势    4
2.2 反向传播网络    4
2.2.1 BP网络简介    4

[来源：http://www.doc163.com]

2.2.2 BP算法的局限性    5
2.2.3 BP网络的训练    6
2.2.4神经网络故障诊断流程    7
2.2.5 BP网络的设计的基本方法    7
2.3 RBF神经网络    8
2.3.1 RBF网络的结构与工作原理    8
2.3.2  RBF神经网络的优点    9
2.3.3 RBF网络的类型    9
2.3.4  RBF神经网络模型构建    10
2.4 其它径向基网络    10
2.4.1 广义回归神经网络    10
2.4.2 概率径向基神经网络(Pnn)    10
2.4.3 PNN分类的优点    10
2.4.4 PNN网络的构建    11
2.4.5 PNN在Matlab中的主要代码    11
2.5 小结    11
第三章    柴油机燃油系统的故障诊断    12
3.1  基于径向基（RBF）神经网络的系统故障诊断    12
3.1.1  机器系统故障分析    12

[资料来源：http://Doc163.com]

3.1.2基于径向基（RBF）神经网络的训练    14
3.2基于BP神经网络的系统故障诊断    17
3.2.1机器系统故障分析    17
3.2.2 BP神经网络的训练和测试    18
3.3 小结    26
第四章  电喷发动机的故障诊断    27
4.1  基于径向基（RBF）神经网络的系统故障诊断    27
4.1.1  机器系统故障分析    27
4.1.2基于径向基（RBF）神经网络的训练    27
4.2基于BP神经网络的系统故障诊断    30
4.2.1机器系统故障分析    30
4.2.2 BP神经网络的训练和测试    30
4.3 RBF神经网络与BP神经网络的比较    32
4.4 小结    34
总结与展望    35
参考文献    36
致谢    37
附录：RBF和BP神经网络的仿真程序    38

[资料来源：www.doc163.com]