小波神经网络在自吸式排污泵中的应用

2014/1/18 12:08:57      点击:

 构造小波包分频带能量值来提取自吸式排污泵故障特征向量,加上可以反映故障特征的幅域参数,作为神经网络的输入,与其相对应的已知工作状态作为输出向量,训练神经网络建立自吸式排污泵故障模型。
5.1.1小波神经网络定义
小波分析和神经网络相结合的小波神经网络技术是近些年来研究的一个热点。两者相结合的方法有两种:
(1)紧致型,采用小波函数和尺度函数形成神经元,使小波和神经网络直接融合,称为狭义上的小波神经网络,主要用于对非均匀性数据对的逼近。
(2)松散型,利用小波变换对信号进行预处理,提取信号的特征向量作为神经网络的输入;在故障诊断领域,主要采用的是这种方法,本章即是采用这种结合方法。
5.1.2小波包分频带能量值
当设备出现故障时,其各个频带的能量值也会发生改变,某个或某几个频率成分的改变就可能代表某种故障。经过N层小波包分解后,原信号的能量被分解到2N个正交的频带里,每个频带的能量值与原信号在该频带的能量一致。故可以把小波包分频带能量值作为信号特征向量,其提取方法如下:
(1)对原振动信号进行N层小波包分解并重构,得到第N层从1到2N个频带的特征信号SNj,j=1,2,…2N;
(2)求各个频带信号的能量值,SNj对应的能量ENj为:
ENj=f|SNj(t)|2dt=∑|xjk|2  (5-1)
式中系数Xjk表示重构信号第k个离散点的系数,n表示SNj的离散点的系数:
(3)各个频带能量的归一化
经过小波包分解后的各个频带宽度完全一样,所以可以做出能量谱尺度图,即求出各个小波包子带信号能量在总能量E中所占的比例Si,并做出条形图,该尺度图的高度表示了各子带能量在总能量中的比例,表示为:
Sj=Ej/E  (5-2)
这种处理方法也称为能量值的归一化,可为神经网络输入提供方便。
(4)构造特征向量
构造以各频带能量值为元素的特征向量:
T=[sl,s2,s3,…sj、]  (5-3)
此向量可作为神经网络的输入向量用于训练神经网络。


////////////////////////////////////////////////////////////
力华转子泵网www.lihuabengye.com
电话:0575-83539901
传真:0575-83534469

 

友情链接:    五分彩网站   四季彩票注册   彩票登陆开户   新二彩票主页   123彩票投注