Resumen

Con la mejora de la complejidad de los equipos mecánicos y el nivel de automatización, la importancia del diagnóstico de averías de equipos mecánicos es cada vez más prominente, y la elección del método de diagnóstico adecuado es crucial para la precisión de los resultados del diagnóstico. El análisis wavelet y la tecnología de redes neuronales, como punto caliente y frontera de la investigación, son también importantes contenidos de investigación en el desarrollo del diagnóstico inteligente de averías mecánicas. La fusión de datos puede procesar información de múltiples fuentes para obtener métodos más precisos y fiables. Al mismo tiempo, debido a su buena no linealidad, adaptabilidad y tolerancia a fallos, la red neuronal se ha convertido en el método preferido para el diagnóstico de fallos mecánicos. Este artículo describe en primer lugar el contenido de la investigación y la importancia de la tecnología de diagnóstico de fallos e introduce los principales métodos y pasos del diagnóstico de fallos, y mediante la introducción de señales de vibración de fallos mecánicos, se analizaron las señales de vibración en el dominio del tiempo y en el dominio de la frecuencia. En segundo lugar, se introduce en detalle la definición y clasificación de la fusión de datos y la red neuronal RBF y se compara con la red neuronal BP. Debido a que la precisión de predicción de la red RBF es mayor que la de la red neuronal BP y el tiempo de entrenamiento de la red RBF es obviamente más corto que el de la red BP, la red RBF tiene ventajas significativas sobre los errores de diagnóstico. En este trabajo, se recogieron seis señales de válvulas en condiciones normales y errores, y mediante el análisis y la comparación de diferentes fundamentos teóricos, se redujo eficazmente el tiempo de crisis de la red de 4 segundos, lo que proporcionó la base para la supervisión de la enseñanza.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:red neuronal, red rbf, diagnóstico de averías en equipos mecánicos, señales de vibración de averías mecánicas, segundo tiempo de crisis de la red, método de diagnóstico adecuado, diferentes fundamentos teóricos, tecnología de diagnóstico de averías, contenidos importantes de la investigación, complejidad de los equipos mecánicos
• Keywords:neural network, rbf network, mechanical equipment fault diagnosis, mechanical fault vibration signals, second network crisis time, appropriate diagnosis method, different theoretical foundations, fault diagnosis technology, important research contents, mechanical equipment complexity