自组织竞争神经网络SOM在轴承故障诊断应用.ppt
《自组织竞争神经网络SOM在轴承故障诊断应用.ppt》由会员分享,可在线阅读,更多相关《自组织竞争神经网络SOM在轴承故障诊断应用.ppt(116页珍藏版)》请在咨信网上搜索。
1、自组织竞争型神经网络自组织竞争型神经网络SOMSOM故障诊断故障诊断赵志高、魏巍、蔡佳明、何飞飞赵志高、魏巍、蔡佳明、何飞飞1目录目录1EMD分析分析2小波包分析小波包分析3SOM神经网络神经网络的设计的设计4案例分析案例分析5基于小波包分析的基于小波包分析的SOM聚类聚类6基于基于EMD分析的分析的SOM聚类聚类7总结与展望总结与展望2EMD分析方法分析方法n经验模态分解(经验模态分解(EmpiricalModeDecomposition,简称,简称EMD)方方法被认为是法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破,
2、该方法是依据数据自身的个重大突破,该方法是依据数据自身的时间尺度特征时间尺度特征来进行信号分解,来进行信号分解,无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点,于这样的特点,EMD方法在理论上可以应用于任何类型的信号的分方法在理论上可以应用于任何类型的信号的分解,解,因而在处理非平稳及非线性数据上,具有非常明显的优势因而在处理非平稳及非线性数据上,具有非常明显的优势,适合适合于分析于分析非线
3、性、非平稳非线性、非平稳信号序列,具有很高的信噪比。所以,信号序列,具有很高的信噪比。所以,EMD方方法一经提出就在不同的工程领域得到了迅速有效的应用,例如用在海法一经提出就在不同的工程领域得到了迅速有效的应用,例如用在海洋、大气、天体观测资料与地震记录分析、机械故障诊断、密频动力洋、大气、天体观测资料与地震记录分析、机械故障诊断、密频动力系统的阻尼识别以及大型土木工程结构的模态参数识别方面。系统的阻尼识别以及大型土木工程结构的模态参数识别方面。3EMD分解过程分解过程nEMD分解法可以把非平稳信号分解成几个分解法可以把非平稳信号分解成几个IMF分量的和,每一个分量的和,每一个IMF分量都可以
4、表示分量都可以表示成一个单频信号,它是通过成一个单频信号,它是通过“筛分筛分”原理原理对信号实现分解的。对信号实现分解的。4nEMD实现信号分解需满足:实现信号分解需满足:n(1)信号的极值点不能少于两个。)信号的极值点不能少于两个。n(2)特征时间尺度定义为两个极值点之间)特征时间尺度定义为两个极值点之间的时间尺度。的时间尺度。n(3)对于有拐点而没有极值点的信号,可)对于有拐点而没有极值点的信号,可通过微分提取极值,再通过积分求得分解通过微分提取极值,再通过积分求得分解结果结果5EMD分析方法的优点分析方法的优点n(1)EMD的分解方法是自适应的。选取的不同的基函数的分解方法是自适应的。选
5、取的不同的基函数将信号分解成有限个将信号分解成有限个IMF分量,每个分量,每个IMF分量体现的都是分量体现的都是真实信息特征。真实信息特征。n(2)滤波特性。可以把)滤波特性。可以把EMD分解看成是一组自适应的高分解看成是一组自适应的高通滤波器,不同的信号特征分别对应着不同的截止频率和通滤波器,不同的信号特征分别对应着不同的截止频率和不同的带宽。不同的带宽。n(3)多分辨率特性。信号经过)多分辨率特性。信号经过EMD分解后得到数量有限分解后得到数量有限的的IMF分量,各个分量,各个IMF分量包含了信号从高频到低频成分,分量包含了信号从高频到低频成分,可以实现信号的多分辨率分析。可以实现信号的多
6、分辨率分析。n(4)IMF分量的调频特性。分量的调频特性。EMD分解得到的分解得到的IMF分量是分量是幅值或频率调制的,这不仅提高了幅值或频率调制的,这不仅提高了信号的分解的效率,也信号的分解的效率,也使得使得EMD分解法可以有效地分析非线性、非平稳信号。分解法可以有效地分析非线性、非平稳信号。6外圈故障诊断信号的分析外圈故障诊断信号的分析分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号7把原始信号分解成把原始信号分解成11层信号,能量从上往下逐渐减小,每一层信号,能量从上往下逐渐减小,每一层信号代表一种模态信号。层信号代表一种模态信号。8外圈故障诊断信号特征提取外圈故障诊断信号
7、特征提取n对诊断信号抽取了对诊断信号抽取了12组数据,每组数据选取组数据,每组数据选取3000个点,选个点,选取其中包括原始信号在内的取其中包括原始信号在内的6层信号进行特征提取。提取层信号进行特征提取。提取了包括峰值,标准差,平均值等十个特征。了包括峰值,标准差,平均值等十个特征。9内圈故障诊断信号分析内圈故障诊断信号分析10第一层信号是原始信号,将原始信号根据能量大小分解第一层信号是原始信号,将原始信号根据能量大小分解成成11个不同模态的信号个不同模态的信号11内圈故障诊断信号特征提取内圈故障诊断信号特征提取n对诊断信号抽取了对诊断信号抽取了6组数据,每组数据选取组数据,每组数据选取300
8、0个点,选个点,选取其中能量比较大的取其中能量比较大的12层信号进行特征提取。提取了包括层信号进行特征提取。提取了包括峰值,标准差,平均值等十个特征。峰值,标准差,平均值等十个特征。12滚动体故障诊断信号分析滚动体故障诊断信号分析13第一层信号是原始信号,将原始信号根据能量大小分解成第一层信号是原始信号,将原始信号根据能量大小分解成11个不同模态的信号个不同模态的信号14滚动体故障诊断信号特征提取滚动体故障诊断信号特征提取n对诊断信号抽取了对诊断信号抽取了6组数据,每组数据选取组数据,每组数据选取3000个点,选个点,选取其中能量比较大的取其中能量比较大的12层信号进行特征提取。提取了包括层信
9、号进行特征提取。提取了包括峰值,标准差,平均值等十个特征。峰值,标准差,平均值等十个特征。15正常信号分析正常信号分析16第一层信号是原始信号,将原始信号根据能量大小分第一层信号是原始信号,将原始信号根据能量大小分解成解成11个不同模态的信号个不同模态的信号17正常信号特征提取正常信号特征提取n对诊断信号抽取了对诊断信号抽取了6组数据,每组数据选取组数据,每组数据选取3000个点,选个点,选取其中能量比较大的取其中能量比较大的12层信号进行特征提取。提取了包括层信号进行特征提取。提取了包括峰值,标准差,平均值等十个特征。峰值,标准差,平均值等十个特征。18结论结论n(1)EMD方法是基于信号的
10、局部特征时间方法是基于信号的局部特征时间尺度,是依据信号本身的信息进行的分解,尺度,是依据信号本身的信息进行的分解,是自适应的信号处理方法,非常适合非线是自适应的信号处理方法,非常适合非线性和非平稳的过程。信号经性和非平稳的过程。信号经EMD分解后所分解后所得的得的IMF分量突出了原信号的不同的特征信分量突出了原信号的不同的特征信息,有利于故障信号的提取。息,有利于故障信号的提取。19(2)理论信号分析和实验结果表明,根据)理论信号分析和实验结果表明,根据IMF分量的相关系数和方差贡献率的大小选分量的相关系数和方差贡献率的大小选取各主要取各主要IMF分量并以此作为表征故障信号分量并以此作为表征
11、故障信号特征向量是切实可行的。特征向量是切实可行的。(3)基于)基于EMD和神经网络的信号的特征的和神经网络的信号的特征的提取和识别方法能够有效地提取信号的特提取和识别方法能够有效地提取信号的特征,实现对各种故障信号较为准确的识别,征,实现对各种故障信号较为准确的识别,并且这一方法比基于小波并且这一方法比基于小波-神经网络的特征神经网络的特征提取与识别方法准确率更高,说明提取与识别方法准确率更高,说明EMD方方法比小波分析方法对非平稳、非线性信号法比小波分析方法对非平稳、非线性信号有更好的自适应性。有更好的自适应性。20小波(wavelet)是什么?在有限时间时间范围内变化且平均值为零的数学函
12、数n具有有限的持续时间和突变的频率和振幅n在有限的时间范围内,它的平均值等于零211980:Morletn20世纪70年代,在法国石油公司工作的年轻地球物理学家Jean Morlet提出小波变换(wavelet transform WT)的概念。n20世纪80年代,开发了连续小波变换(continuous wavelet transform CWT )22n小波分析/小波变换 变换目的是获得时间和频域之间的相互关系小波变换n对一个函数在空间和时间上进行局部化的一种数学变换n通过平移母小波获得信号的时间信息 通过缩放母小波的宽度获得信号的频率特性n对母小波的平移和缩放操作是为计算小波的系数,这些
13、系数代表局部信号和小波之间的相互关系n对比傅里叶变换n提供了频率域的信息,但丢失了时间域的局部化信息23连续小波的变换过程CWT的变换过程示例,见右图1.小波 和原始信号f(t)的开始部分进行比较2.计算系数C该部分信号与小波的近似程度;C值越高表示信号与小波相似程度越高3.小波右移k得到的小波函数为 ,然后重复步骤1和2,直到信号结束24将小波系数进行伸缩和平移后得到:称 小波序列。其中 a 为伸缩因子;b 为平移因子。25小波分析只对上次分解的低频部分进行再分解,而对高频部分则不再分解,因此在高频频段分辨率较差。小波包分析则既对低频部分进行分解,又对高频部分做二次分解,所以可对信号行更为细
14、致的分解和重构。lS表示原始的输入信号lA表示信号的近似值,大的缩放因子产生的系数,表示信号的低频分量lD表示信号的细节值,小的缩放因子产生的系数,表示信号的高频分量26小波分解树27三级小波包分解树28滚动轴承出现故障时,会导致振动信号在某些频带内信号能量减小,而使另外一些频带内信号能量增强。因此,在各频率成分信号的能量中,包含丰富的故障信息。基于此,提出“能量故障”诊断模式识别方法。但小波包分解的信号在各频带上的能量总和与原信号的能量是一致的,只是因为每个频带内的振动信号能量的分布变化特征表征了不同的故障类型,故基于小波包分解的故障诊断方法的核心就是通过小波包分解来提取振动信号能量集中的频
15、带信号,频带能量向量构造算法如下:(1)首先对信号进行 3 层小波包分解,分别提取第 3层从低频到高频 8 个频率成分的信号特征,分解结构如下图所示。图中,(2,1)表示第 2层的第 1个结点,每个结点都代表一定的信号特征。29信号的小波包分解示意图30(3)求各频带信号的总能量31首先对采集到的信号,即:无故障、外圈、内圈、滚动体故障振动信号进行小波包分解和重构为信号的时域波形图,图1a图4a为用小波包分解重构后的波形图,从图中可以看出信号被分解为 8个频段。然后,对分解的第三层信号进行重构,由频带总能量公式求得每一频带能量,归一化得到轴承运行样本数据和测试数据,如表 1和表 2所示。32图
16、1a 正常信号的小波包重构图正常能量分布直方图333,03,13,23,334图2a 外圈故障的小波包重构图外圈故障能量分布直方图353,03,13,236图3a 内圈故障的小波包重构图内圈故障能量分布直方图37图4a 滚动体故障的小波包重构图滚动体故障能量分布直方图38正常外圈内圈滚动体39序号E0E1E2E3E4E5E6E7状态10.194740.550753 0.015106 0.117561 0.001153 0.010143 0.047309 0.063235无故障20.202291 0.5420350.014480.1304130.000880.0116860.054510.043
17、704无故障30.197633 0.504744 0.014158 0.145251 0.001165 0.012078 0.068918 0.056052无故障40.038181 0.275169 0.067176 0.068691 0.002017 0.035801 0.164642 0.348322外圈故障50.0646230.372830.042540.071190.002773 0.035334 0.140959 0.269751外圈故障60.061513 0.399049 0.064829 0.100343 0.002027 0.027074 0.123178 0.221987外圈
18、故障70.021793 0.309593 0.016779 0.120224 0.002257 0.081146 0.124854 0.323355内圈故障80.016176 0.271075 0.021401 0.097813 0.002658 0.102088 0.191318 0.297471内圈故障90.025792 0.225179 0.011297 0.133302 0.004396 0.136015 0.094512 0.369507内圈故障100.146619 0.4756380.01450.160339 0.001077 0.025676 0.059586 0.116565滚
19、动体故障110.077447 0.489236 0.019099 0.170401 0.002423 0.031646 0.075923 0.133825滚动体故障120.1197150.426150.017357 0.165619 0.001217 0.027322 0.083026 0.159594滚动体故障表1 轴承训练样本数据40序号E0E1E2E3E4E5E6E7状态10.210952 0.53995 0.015244 0.121091 0.000747 0.009496 0.051098 0.051422无故障20.038282 0.263011 0.069592 0.100279
20、 0.002068 0.031405 0.171354 0.32401外圈故障30.02516 0.299822 0.015929 0.092201 0.002802 0.092223 0.115699 0.356165内圈故障40.08359 0.496905 0.020435 0.177726 0.000773 0.022023 0.066658 0.13189滚动体故障表2 轴承测试样本数据413前言前言n在生物神经系统中,存在着一种侧抑制现象这种在生物神经系统中,存在着一种侧抑制现象这种抑制作用会使神经细胞之间出现竞争,其结果是抑制作用会使神经细胞之间出现竞争,其结果是某些获胜,而另一
21、些则失败。表现形式是获胜神某些获胜,而另一些则失败。表现形式是获胜神经细胞兴奋,失败神经细胞抑制。经细胞兴奋,失败神经细胞抑制。n自组织竞争型神经网络就是模拟上述生物神经系自组织竞争型神经网络就是模拟上述生物神经系统功能的人工神经网络。统功能的人工神经网络。42n1981年芬兰年芬兰Helsink大学的大学的T.Kohonen教授提出教授提出一种自组织特征映射网,简称一种自组织特征映射网,简称SOM网,又称网,又称Kohonen网。网。nKohonen认为:一个神经网络接受外界输入模认为:一个神经网络接受外界输入模式时,将会分为不同的对应区域,各区域对输式时,将会分为不同的对应区域,各区域对输
22、入模式具有不同的响应特征,而且这个过程是入模式具有不同的响应特征,而且这个过程是自动完成的。自组织特征映射正是根据这一看自动完成的。自组织特征映射正是根据这一看法提出来的,其特点与人脑的自组织特性相类法提出来的,其特点与人脑的自组织特性相类似。似。3自组织特征映射神经网络自组织特征映射神经网络概述概述43自组织神经网络的典型结构自组织神经网络的典型结构竞争层竞争层输入层输入层竞争竞争网络结构网络结构外部输外部输入连接入连接权值权值神经元间连接权值神经元间连接权值44竞争学习原理竞争学习原理竞争学习规则竞争学习规则Winner-Take-AllWinner-Take-All网络的输出神经元之间相
23、互竞争以求被激活,网络的输出神经元之间相互竞争以求被激活,结果在每一时刻只有一个输出神经元被激活。结果在每一时刻只有一个输出神经元被激活。这个被激活的神经元称为竞争获胜神经元,而这个被激活的神经元称为竞争获胜神经元,而其它神经元的状态被抑制其它神经元的状态被抑制。45n无监督、自组织、自学习无监督、自组织、自学习通过自身的训练,能自动对输入模式进行分通过自身的训练,能自动对输入模式进行分类类n在网络结构上,它一般是由输入层和竞争层构成在网络结构上,它一般是由输入层和竞争层构成的两层网络。两层之间各神经元实现双向连接,的两层网络。两层之间各神经元实现双向连接,而且网络没有隐含层。有时竞争层各神经
24、元之间而且网络没有隐含层。有时竞争层各神经元之间还存在横向连接。还存在横向连接。SOM神经网络优势神经网络优势区别有导师监区别有导师监区别有导师监区别有导师监督机制督机制督机制督机制46n在学习算法上,它模拟生物神经元之间的兴奋、在学习算法上,它模拟生物神经元之间的兴奋、协调与抑制、竞争作用的信息处理的动力学原理协调与抑制、竞争作用的信息处理的动力学原理来指导网络的学习与工作,而不像大多数神经网来指导网络的学习与工作,而不像大多数神经网络那样是以网络的误差或能量函数作为算法的准络那样是以网络的误差或能量函数作为算法的准则。则。n竞争型神经网络构成的基本思想是网络的竞争层竞争型神经网络构成的基本
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 组织 竞争 神经网络 SOM 轴承 故障诊断 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【a199****6536】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【a199****6536】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。