产生机理, 以表格的形式总结出了各种故障与振动特征、敏感参数和故障原因之间的对应关系, 给出了相应
收稿日期: 2005- 04- 11
作者简介: 汪光阳 ( 1955- ) , 男, 安徽枞阳人, *, 研究方向: 智能控制与。
Vol.23 安 徽 工 业 大 学 学 报 第 23 卷*期
January 2006 J.of Anhui University of Technology 2006 年 1 月*期
的治理措施。
总体来说, 风机振动故障产生于 4 个方
面: 电机、风机本身、基础和风管[7, 8]
。其因果
分析如图 1 所示, 其中由风机本身原因引起
的故障占主导地位。
映射(FM) 和双向联想记忆(BAM) 等[17] 。为了*****网络的工作性能, 人们对网络的结构类型、学习算法和
样本处理等问题进行了研究: 应用模块化*网络解决大规模复杂问题[18]
; 应用剪枝法优化网络连接方式[
19]
; 将遗传算法[20]
和混沌理论[21]
应用于网络的学习训练中, 解决局部****小问题; 为****网络的泛化能力、加快网
络学习速度,风机, 在训练样本中加入噪声, 或者对样本数据进行优化处理[22] 。基于*网络的智能故障诊断具有
④ 分形维数
分形是非线性理论中的概念, 是事物的形状、形态、结构和*的分解、分割、分裂与分析,矿用风机, 是事物从整体
向局部、从宏观向微观转化的过程。机械设备发生故障时,屋顶风机, 振动信号通常变得更为复杂、不规则,离心风机, 分形维数能
够描述信号的复杂性和不规则性, 研究表明, 可以将其作为故障征兆来识别设备的状态。文献[13]结合小波分
析对汽轮发电机组轴承发生松动故障前后振动信号的分形维数进行了计算, 得到了不同的结果。文献[14]在