matlab1146 基于深度学习的发动机轴承故障诊断研究

项目介绍

针对发动机轴承系统出现的故障，提出了一种基于深度学习的BP神经网络的故障诊断方法,然后利用设计的算法进行故障分析，将振动信号的频谱分析作为神经网络的训练样本。对所采集装甲车传动系统进行数据预处理与特征提取、归一化后，把这些特征参数作为神经网络的输入，经过深度学习模型的训练，以判断系统状态，识别系统的故障。 通过选择足够的故障样本来训练神经网络,将代表故障的信息输入训练好的神经网络后, 由输出结果就可以判断发生的故障种类。仿真和测试结果表明了该方法的有效性和正确性。 本文建立了一个BP神经网络专家系统，利用所获得的故障样本数据对网络进行训练，从而实现了对某些故障的智能诊断。在对神经网络故障样本训练过程中，合理选取网络参数。其诊断结果表明，各故障样本训练均能快速有效的收敛于设定的误差值，而且深度学习网络具有一定的泛化能力。 本文用OpenCV和Qt搭建实验平台进行试验，实验结果表明，本文采用的基于OpenCV故障诊断算法是有效可行的，算法的准确识别率也在同类算法当中比较靠前，依据算法设计和实现的系统具有较好的稳定性和实时性。