(3.238.186.43) 您好!臺灣時間:2021/02/26 12:57
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:郭建佑
研究生(外文):Chien-Yu Kuo
論文名稱:類神經網路應用於人體離心機故障診斷
論文名稱(外文):Human Centrifuge Diagnosis with Artifical Neural Network
指導教授:洪金車
指導教授(外文):King-Chu Hung
學位類別:碩士
校院名稱:國立高雄第一科技大學
系所名稱:電腦與通訊工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:162
中文關鍵詞:故障診斷人體離心機倒傳遞類神經網路液壓泵浦
外文關鍵詞:human centrifugehydraulic pumpsArtifical Neural Networkfault diagnosis
相關次數:
  • 被引用被引用:0
  • 點閱點閱:120
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本論文主旨在於運用類神經網路中倒傳遞類神經網路(Back Propagation Neural Network, BPNN)發展出能夠針對人體離心機(Human Centrifuge)液壓系統主液壓泵浦故障診斷能力之故障診斷系統。本論文使用國軍岡山醫院航訓中心人體離心機液壓系統中之兩具主液壓泵浦、液壓比例閥及訓練G值數據產生網路訓練與測試所須之訓練參數樣本。本研究提出以時間框架分析的方法,將原訓練參數樣本依特性加以分析後,成為倒傳遞類神經網路故障診斷系統之輸入訓練樣本。實驗結果顯示,本研究之類神經網路故障診斷系統對於所有測試樣本具有相當優良的辨識能力。
This thesis present the utilization of a backpropagation neural network (BPNN) as fault diagnosis architecture for diagnosing the faults based on the measurements of main hydraulic pumps of a human centrifuge. The variables of main hydraulic pumps, ratio pressure control valve of hydraulic system, and G value of a human centrifuge in APRL of the Gang-Shan Armed Forces Hospital were used to generate the fault patterns for training and testing a neural network. In this paper, we present the method of the time frame analysis; after the sample of original course was analyzed by their characters, there are new patterns treated as training samples of back propagation neural networks fault diagnosis system. The backpropagation neural network has quite fine recognition ability for all testing variables of hydraulic system of a human centrifuge.
目錄
頁次
摘要 I
Abstract II
誌謝 III
目錄 IV
表目錄 VI
第一章 緒論 1
1.1、研究背景 1
1.2、研究動機 4
1.3、研究目的及方法 5
1.4、文獻回顧 5
第二章 類神經網路簡介 7
2.1 類神經網路簡介 7
2.2 倒傳遞類神經網路的架構及理論 10
2.2.1 倒傳遞類神經網路的架構 10
2.2.2 倒傳遞類神經網路的學習方法 13
2.2.3 倒傳遞類神經網路的學習過程 17
2.2.4 過度訓練及交叉驗證法的關係與做法 20
2.2.5 類神經網路輸入資料的正規化 21
第三章 液壓泵浦故障類型參數建立及提取 22
3.1 離心機液壓系統架構簡介 22
3.1.1 主油泵浦控制回路簡介 23
3.1.2 比例閥工作原理簡介 25
3.1.3 液壓泵浦原理簡介 26
3.2 離心機訓練模式介紹 29
3.2.1 離心機鬆弛G耐力模式介紹 30
3.2.2 離心機實際模式介紹 31
3.2.3 離心機合格模式介紹 32
3.2.4 離心機溫機模式介紹 33
3.3 離心機類神經網路故障診斷系統特性 34
3.3.1 故障診斷系統輸入參數特性 35
3.3.2 故障診斷系統輸出參數特性 36
3.4 離心機各訓練模式液壓系統正常樣本參數特性 38
3.4.1 溫機訓練模式 38
3.4.2 鬆弛G耐力訓練模式 40
3.4.3 實際訓練模式 41
3.4.4 合格訓練模式 43
3.5 離心機各訓練模式參數故障特性 45
3.5.1 溫機訓練模式 46
3.5.2 鬆弛G耐力訓練模式 47
3.5.3 實際訓練模式 49
3.5.4 合格訓練模式 50
第四章 實驗結果與討論 52
4.1 類神經網路故障診斷之樣本訓練方法 52
4.2 類神經網路故障診斷之最佳化 54
4.2.1 單層隱藏層神經元個數最佳化 54
4.2.2 雙層隱藏層神經元個數最佳化 56
4.3 訓練模式參數樣本驗證結果 57
4.3.1 各訓練模式測試參數樣本驗證 57
4.3.2 溫機訓練模式正常狀態樣本驗證 59
4.3.3 溫機訓練模式故障狀態樣本驗證 72
4.3.4 鬆弛G耐力模式正常狀態樣本驗證 83
4.3.5 鬆弛G耐力模式故障狀態樣本驗證 95
4.3.6 實際模式正常狀態樣本驗證 107
4.3.7 實際模式故障狀態樣本驗證 120
4.3.8 合格模式正常狀態樣本驗證 133
4.3.9 合格模式故障狀態樣本驗證 146
第五章 結論與未來研究方向 159
5.1 結論 159
5.2 未來研究方向 159
參考文獻 161
[1]White J. A History of Centrifuge in Aerospace Medicine print by Douglas Aircraft Co. 1964.
[2]溫德生,航空醫學會會刊,Vol.10(1),pp.44,1996.
[3]P. K. Fink, and J. C. Lusth “Expert systems and diagnostic expertise in the mechanical and electrical domains,” IEEE Trans. on Systems, Man, and Cybernetics, vol. smc-17, no. 3, May/Jun. 1987.
[4]K. A. et al Marko, “Automotive control system diagnosis using Neural Nets for rapid pattern classification of large data sets”,IJCNN-89-San.,II, pp.13-16. 1989.
[5]K. et al. Arai, “Application of Neural Computation to Sound Analysis for Valve Diagnosis”,IJCNN-91,I, pp.177-182. 1991.
[6]X.Q. Liu, H.Y. Zhang, J. Liu, J. Yang,“Fault Detection and Diagnosis of Permanent-Magnet DC Motor Based on Parameter Estimation and Neural Network,” IEEE Transactions on Industrial Electronics, Vol. 47, pp.1021 - 1030, 2000.
[7]B. Li, M.Y. Chow, Y. Tipsuwan, J.C. Hung, “ Neural-Network-Based Motor Rolling Bearing Fault Diagnosis, ” IEEE Transactions on Industrial Electronics, Vol.47, pp.1060 - 1069, 2000.
[8]K. Kim, A.G. Parlos, R. Mohan Bharadwaj, “Sensorless Fault Diagnosis of Induction Motors,” IEEE Transactions on Industrial Electronics, Vol. 50, pp.1038 - 1051, 2003.
[9]H. Huang, K. S. Chen, and L. C. Zeng, “BP neural network-based on fault diagnosis of hydraulic servo-valves,” 2005 International Conference on Machine Learning and Cybernetics, pp. 4100-4105, 2005.
[10]M. Gao, J. Tian, L. Cao, J. Xu, "Fault diagnosis of oil pump based on high speed and precise genetic algorithm neural network, " Cybernetics and Intelligent Systems, IEEE Conference, pp. 965-970, 2008
[11]王進德,“類神經網路與模糊控制理論入門”,全華圖書公司,民國 90 年。
[12]葉怡成,“類神經網路模式運用與實作”,儒林圖書公司,民國 99 年。
[13]D.E. Rumelhart, G.E. Hinton, R.J. Williams, “ Learning Representations by Back- Propagating Errors, ” Nature, Vol. 323, pp. 533-536, 1986.
[14] 葉懷仁,“類神經網路應用於引擎聲訊之辨識”, 物理研究所,民國92 年。
[15]法商LATETECORE, "人體離心機原廠技令",民國85年。
[16]陳秉昌、白仁凱,“液壓驅動控制系統於人體離心機之應用”,機械月刊第34卷第11期,pp.38-51。
[17]歐陽渭城,“油壓的基礎與應用”,全華圖書公司,pp.6-35,pp.4-22~24,民國 87 年。
[18]DENISON,“R1EP01 datasheet”,p.1,1996.
[19]劉全輝,"離心機液壓系統故障報告",中科院,民國96年。
[20]溫德生,航空醫學會會刊,Vol.2(1),pp.49,1988.
[21]陸惠良,"載人離心機及其應用",國防工業出版社,pp.185-187,2004年。
[22]董長虹,"Matlab神經網路與應用",國防工業出版社,民國96年。
[23]羅強華,"類神經網路-Matlab的應用",清蔚科技,民國90年。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔