论文部分内容阅读
本课题研究的是基于Web的远程监测系统。在课题的研究中主要探讨系统的结构以及各部分的功能,核心是应用混合算法开发一个神经网络专家系统,并将故障诊断专家系统成功地应用到减速机的故障诊断中。从数据的处理到网络的优化等都应用到GA和NN混合算法,得出一个优化的网络。
本文通过对比B/S和C/S结构的特点和优点,分析得出采用C/S结构更适合系统的开发和应用,以及具有很好的移植性。数据库采用SQL Server2000,编程采用VB、Matlab和SQL Server2000的混合编程技术。
课题在两个方面研究基于C/S模式的远程监测系统(软件、硬件)。硬件部分主要是利用加速度传感器采集数据,通过振动测试仪对传来的数据进行A/D转换并存放到数据库中,这个部分包含了传感器、振动测试仪等的选择、安装。软件部分采用的是VB、VC++以及Matlab和插件生成器进行开发。
本系统的软件部分采用VB编程开发三大功能模块:数据采集模块、监测分析模块、故障诊断模块。数据采集模块利用Matlab插件生成器,采集数据库中的数据;监测分析模块,利用FFT分析采集到的数据,并将分析结果输入到故障诊断模块中,监测分析过程实质上是特征提取的一个过程,监测分析模块的准确性决定了故障诊断模块准确性;故障诊断模块是利用遗传神经网络算法进行开发的,并将结果反馈给现场数据库。故障诊断模块是整个监测系统的核心和重点,故障诊断模块对FFT分析的信号进行识别和判断。故障诊断模块又分成三个功能子模块:初始化模块、网络训练模块、故障诊断模块。初始化模块采用的是遗传算法进行优化,初始化模块是用来优化样本数据、权值和阈值。网络训练模块的设计主要根据减速机的故障模式对进行输入输出层神经元个数的确定。利用遗传算法来优化神经网络的权值和阈值建立一个相对优化的神经网络训练模块。故障诊断模块,实质上是遗传神经网络专家系统,能够实现故障识别和判断。
本文主要针对远程减速机的故障进行监测的方法和策略进行研究。比较单纯的神经网络和遗传神经网络结果得出遗传神经网络算法优于神经网络算法的结论。