基于人工神经网络的设备状态预测系统设计（本科毕业论文设计）.doc

目 录

中文摘要 Ⅰ
ABSTRACT Ⅱ
引言 1
1绪论 3
1.1 设备状态预测的意义 3
1.2 神经网络理论国内外发展现状 3
1.3 人工神经网络在预测领域的发展 5
2 人工神经网络及其应用于状态预测原理 7
2.1 人工神经网络 7
2.1.1人工神经网络的特点…………………………………………………………………8
2.1.2 人工神经网络的特性…………………………………………………………………8
2.1.3人工神经网络的模型…………………………………………………………………9
2.1.4人工神经网络的转移函数………………………………………………………… .13
2.1.5人工网络的学习……………………………………………………………………..14
2.2 基于人工神经网络的预测问题 15
2.2.1设备状态预测问题概述…………………………………………………………… .15
2.2.2设备状态预测常用方法…………………………………………………………….17
2.2.3应用神经网络对设备状态预测问题进行预测建模………………………………..19
3 设备状态预测的实现 23
3.1 人工神经网络及BP网络学习规则介绍 23
3.1.1 人工神经网络的一般学习规则 23
3.1.2 BP算法概述 24
3.1.3 BP网络的学习算法 25
3.2 建立于BP网络的预测模型策略 26
3.3 用MATLAB7.0实现BP网络 28
3.3.1 MATLAB简介 28
3.3.2 MATLAB神经网络工具箱 28
3.3.3 BP算法程序流程 29
4 基于BP网络的状态预测算例训练 33
4.1 状态分类器 33
4.2 BP网络设计 34
4.3 小结 37
5 基于BP网络的状态预测算例验证 38
5.1 大型机械系统的劣化模型 38
5.2 算例介绍及BP网络预测压缩机综合劣化度……………………………………………39
5.3 BP神经网络的算法……………………………………………………………………. 40
5.4 本章小结………………………………………………………………………………… 42
6 总结 43
致谢…………………………………………………………………. 44
参考文献……………………………………………………………….45



摘要

随着现代工业技术的快速发展，机械设备在工作中的运行状态越来越受到关注。人工神经网络作为一种新兴的交叉技术，被应用于机械设备状态预测问题之上并取得了长足的进步。基于人工神经网络的设备状态预测技术能在降低维修成本，制定生产规划上发挥重要作用。
本文介绍了设备状态和趋势预测的研究现状，提出了计算原理及其改进和实现的过程。研究目的是针对设备状态问题建立基于人工神经网络的在线实时观测模型。本文首先阐述了人工神经网络的基本工作原理，如学习规则、权值、网络结构等等，然后引进具体的BP网络模型，介绍了其学习规则和基于此网络的预测原理和模型，并介绍了MATLAB7.0及其对BP网络的实现过程，最后是全文工作的总结。
在评述和分析了几种常见的剩余寿命的方法基础上，提出了相对劣化度的概念，并以此建立基于人工神经网络的大型机械系统的剩余寿命的预报模型。
由本文可得出的结论：基于人工神经网络的设备状态预测模型考虑了影响机械设备状态的多重因素，能够作出多步预测，它的学习特性能够以较好的稳定性和较高的精度模拟机械状态中输入输出间的非线性关系，人工神经网络在设备状态预测中的应用和发展前景是非常广阔的。
关键词：设备状态预测，人工神经网络，BP网络，MATLAB7.0，寿命预报，非线形




ABSTRCT

With the development of modern industry, the working state of mechanical equipment now is attracting more and more attention. Artificial neural network, as a rising interdisciplinary technology, is applied universally in equipment state prediction field. Prediction of equipment state based on artificial neural network now plays an important role in reducing maintaining cost and establishing product plan.
This paper introduces the research actuality of equipment state prediction and trend estimation. Moreover, it puts forward computing method and its improvement and realization process in mechanical field. The aim of this project is to establish the state model of equipment. First, the essential working principles of ANN are introduced, such as training rules is investigated and architecture, then the concrete BP model is introduced, whose training rules is investigated, and the predictive model based on BP algorithm is described and then its realization in Matlab7.0 is studied, finally the summary of this paper is given
A residual life prediction model of large machinery system based on artificial neuralnet was developed.
We draw the conclusion that the predictive model based on artificial neural network can take many factors affecting the machinery condition into account and make multi-step prediction. Its intelligent feature is with good stability and high sensitivity for simulating nonlinear I/O relationship in mechanical behavior. Its application foreground and developing future are quite broad.

Keywords: Prediction of equipment state, Artificial neural network, BP network, MATLAB7.0, Residual life prediction, Nonlinear.