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,屋顶风机, 在训练样本中加入噪声,隧道风机, 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
某些情况下, 还会导致环境污染、损害人身安全等更为严重的后果。因此对风机开展状态监测与故障诊断工
作, 保障风机安全可靠的运行, 可以取得巨大的经济效益和社会效益。
1 风机故障机理研究
风机的故障常从振动状况方面体现出来,风机, 根据振动信号进行监测与诊断是目前风机设备维护管理的主
要手段, 经过多年的发展与完善,锅炉风机, 风机振动故障诊断已经形成了比较完备的理论与技术体系。近年来, 随着
非线性理论的发展, 尤其是信号处理、知识工程和计算智能等理论技术与故障诊断的融合渗透, 使风机故障
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, 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, 振动信号通常变得更为复杂、不规则, 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