论文部分内容阅读
本文主要采取对旋转机械转子振动信号进行频谱分析来进行故障诊断,通过经验选择八个具有代表性的频段的谱值作为诊断的特征向量,然后采用人工神经网络对振动的特征向量进行分析。本文首先选取的是三层BP神经网络进行分析,BP神经网络的输入为八个典型的故障特征向量,输出代表不对中故障,不平衡故障,碰摩故障以及涡动四个故障,通过神经网络的训练学习,达到对故障进行识别分类的目的。一方面,为了进一步提高BP神经网络的精度,本文将模糊理论与BP神经网络相结合,通过将输入与输出的特征向量进行模糊化,提高故障识别的精度。这样