论文部分内容阅读
本论文以油田机械设备配套的电动机为主要对象，深入研究了电动机的非线性动力特性，提取了系统的时频域特征参数，利用频谱分析技术诊断电动机故障和小波网络技术预测电动机运行状态趋势，主要开展了以下几个方面的工作：
1.应用小波阈值降噪方法对信号进行预处理，克服了传统傅立叶滤波降噪带来的负面影响，取得了较好的应用效果。
2.在全面搜集、整理相关材料的基础上，深入分析了电动机的各种监测与诊断方法的基本原理及算法，并给出了两个基于振动频谱分析的故障诊断实例。
3.将BP算法和随机动态算法相互补充形成一种混合算法，克服了BP学习算法会陷入局部极小和随机算法耗时长的缺点。
4.讨论了小波网络的研究和发展，介绍了常用小波网络模型的构造及学习算法。
5.介绍了连续参数小波网络的原理及其构造，通过仿真数据的比较分析，说明了连续参数小波网络比传统BP网络有更快的收敛速度和更好的非线性逼近能力。