基于人工神经网络的设备状态预测系统设计（开题报告）.doc

基于人工神经网络的设备状态预测系统设计（开题报告）
1、课题的目的及意义（含国内外的研究现状分析或设计方案比较、选型分析等）
1.机械设备故障预测
1.1预测方法综述
在我国石油、电力、冶金、煤炭等行业，工业生产的机械设备越来越朝着大型化、高速化、精密化、系统化和高度自动化方向发展，机器故障对生产造成的影响和危害越来越严重。因此，对设备开展故障诊断及故障预测预报技术，实施设备的“预知”维修具有重要意义.
研究机械设备故障规律是对其运行状态及故障预测的基础，对于制定维修决策，以至建立更加科学的维修体制也是十分有用的对设备运行状态及故障预测包括短期预测和长期预测。在设备故障高发期，短期预测可以预测突发故障的发生及故障部件的劣化损坏，但在设备运行平稳期，短期预测没有实际指导意义；长期预测虽然能对设备状态进行长期监测，但是往往需要大量数据样本，这对在线监测具有很好的使用价值主要针对大型旋转机械采用的振动测试方法，系统地给出了机械设备及其重要部件的故障预测参数选择、故障预测的数学描述及当前使用的预测方法，并说明了预测方法的发展趋势
1.2故障预测的数学建模及其预测方法
设备故障预测的内容包括恰当的预测参数选取、预测的数学建模及选取合适的预测方法模型。目前预测方法模型按照是否建立定量模型来分，可以分为经验预测方法和定量预测方法，经验预测方法也称为定性预测方法，这类方法主要依靠专家的经验判断、不依赖数学模型，能够给出一个方向性的结论。定量预测方法主要分为概率统计方法和人工智能方法。其中概率统计方法可以分为回归方法和时间序列分析方法。人工智能方法包括神经网络方法、模糊预测方法、专家系统法、灰色理论预测等
1.2.1回归预测
回归预测是概率统计方法的一种，回归预测包括线性回归和非线性回归，常用的回归分析方法有：一元线性回归、多元线性回归，一元非线性回归和多元非线性回归。回归预测的优点是：原理、结构简单，预测速度块，外推特性好；存在不足是：历史数据要求高，用线性方法描述比较复杂情况过于简单，模型初始