1、 毕业论文（设计） 英文翻译 原文标题 High Order Neural Networks for Simultaneous Diagnosis of Multiple Faults in Rotating Machines 译文标题 应用高阶神经网络对旋转机器的多种故障进行诊断 学生姓名 学号 专业年级 指导教师 二一二 年 五 月 二十八 日 应用高阶神经网络对旋转机器的多种故障进行诊断 B. Zhong， J. MacIntyre2, Y. He and J. Tait2 摘要： 为了克服标准前向反馈 神经网络的局限，以及由于高位神经网络的一定概念化和推测，所以高位神经网络对于故障诊断
2、是非常有用的。本文描述了高位神经网络的理论和结构。它是一个初始化方法为 hyperellipsoids 和标准 BP 算法的训练算法，在这样的网络运用一定概念和推测， 根据椭球状单位网络 (HDANN)的等级制度诊断的人工神经网络 ,在旋转电机中常遇到多个缺点同时诊断的问题，包括几个子网络并且将一个大模式空间划分成几个更小的子空间时， 子网络可以在各自子空间中训练，并且整体网络是有能力对多个故障上同时进行诊断。 最终，典型的故障数据从旋转电 机中被网络测试出来，研究结果表示， HDANN 可能得到更加准确和更加高效率的诊断结果，并且这种实时条件监测和对旋转电机的诊断是有用的。 关键词： 等级制
3、度的诊断网络 ； 旋转机械；故障诊断；神经网络 引言 近年来，越来越多故障诊断理论、方法和战略，并且为大规模旋转电机进行定量方法的提议受到了关注。例如统计样式分类方法，系统基于证明的参量模型方法，等等。但 这些方法总使模型和广泛的演算复杂化。人工神经网络 (ANN)技术由于它的并行处理的，联想记忆，自已组织的，自我学习和非常强的非线性映射的能力，所以在故障诊断上很 有潜力。特别地，神经网络的能力应付高维度样式分类和非线性样式故障诊断分类方面是重要的。作者在这个主题发表了许多论文。作为样式分类的方法，标准多层前向反馈神经网络决策空间以超平面和决定地区，形成的总是无边际的，可能导致不够精确的推测。
4、虽然使用椭球状单位要克服高位神经网络这个局限，但是对于故障诊断应用方面是有用。所以在本文椭球状单位网络被描述，初始化方法为 hyperellipsoids，并且训练算法也被描述。一个等级制度的人工神经网络 (HDANN)为旋转电机的众多个故障进行诊断和测试结果。 1.1 网络结构 EQ是定义的椭球状单位。一个单位可能达到令人满意的估计，并且网络包括线性输入装置和椭球状输出装置二层数。每个暗藏的单位只连接到一套输出装置，并且每套输出装置有紧密的暗藏的单位。 就特点传染媒介而论，是从原始数据得到的特征，而提取的数据是从旋转电机中得到的， 其 网络 图形如 图 1表示。 在这网络中每个输入单位一起连
5、接到每个隐藏的单位二个压重 上。 分别地 , 在 相应 的尺寸上决定 了 椭圆体的主要轴的中心共纵线和长度 。 1o 2o mo 1x 2x 3x mx 图 1 网络结构 1.2 HDANN 在多个故障诊断中同时 应用 在旋转电机典型的众多故障中，例如失配、摩擦、轴裂缝、不同心、油旋转、摩擦旋转、轴承不精确性和他们的双重和三倍缺点等，均在这个部分被考虑进去。 1.3 故障数据 在测试装备电动子中得到的各种各样的错误数据来说明其物理缺点。滑动轴承支持电动子，并且数据在轴承中使用的位移传感器，在水平和垂直的方向进行收集。电动子以 3000转每分钟的速度运转。在采样期间，以 1.6千赫的取样频率收集
6、数据，并且在每 1024点时候进行抽样收集。研究表明，如果输入空间是高幅员，特别当少量训练数据是可利用的时候，这样会严重削弱网 络的推断能力。然而，在条件监测应用中，用大量故障数据是极端罕见的。这里用于应付这个问题的方法是假设增加随机噪声的训练样品，从而训练出比较精确的结果，并且使用这种方法， 200个小组样本分为七个类型的故障来生成，训练和测试网络结构。 1.4 网络训练 所有子网络为椭球状单位网络和八套输入装置，各种各样的子网络输出装置的数量是根据故障的进行分类的，这样是正确的。每个子网络独立地，从 200个样式任意地选择的 100个小组样式，使用了以上学习算法进行训练。 1.5 网络测试结果 测试的过程中，在训练期间没使用的 断层类型而被使用了。因此样式的总数为测试的 7
