基于人工神經(jīng)網(wǎng)絡(luò)的設(shè)備狀態(tài)預(yù)測(cè)系統(tǒng)設(shè)計(jì)（開題報(bào)告）
1、課題的目的及意義（含國(guó)內(nèi)外的研究現(xiàn)狀分析或設(shè)計(jì)方案比較、選型分析等）
1.機(jī)械設(shè)備故障預(yù)測(cè)
1.1預(yù)測(cè)方法綜述
在我國(guó)石油、電力、冶金、煤炭等行業(yè)，工業(yè)生產(chǎn)的機(jī)械設(shè)備越來越朝著大型化、高速化、精密化、系統(tǒng)化和高度自動(dòng)化方向發(fā)展，機(jī)器故障對(duì)生產(chǎn)造成的影響和危害越來越嚴(yán)重。因此，對(duì)設(shè)備開展故障診斷及故障預(yù)測(cè)預(yù)報(bào)技術(shù)，實(shí)施設(shè)備的“預(yù)知”維修具有重要意義.
研究機(jī)械設(shè)備故障規(guī)律是對(duì)其運(yùn)行狀態(tài)及故障預(yù)測(cè)的基礎(chǔ)，對(duì)于制定維修決策，以至建立更加科學(xué)的維修體制也是十分有用的對(duì)設(shè)備運(yùn)行狀態(tài)及故障預(yù)測(cè)包括短期預(yù)測(cè)和長(zhǎng)期預(yù)測(cè)。在設(shè)備故障高發(fā)期，短期預(yù)測(cè)可以預(yù)測(cè)突發(fā)故障的發(fā)生及故障部件的劣化損壞，但在設(shè)備運(yùn)行平穩(wěn)期，短期預(yù)測(cè)沒有實(shí)際指導(dǎo)意義；長(zhǎng)期預(yù)測(cè)雖然能對(duì)設(shè)備狀態(tài)進(jìn)行長(zhǎng)期監(jiān)測(cè)，但是往往需要大量數(shù)據(jù)樣本，這對(duì)在線監(jiān)測(cè)具有很好的使用價(jià)值主要針對(duì)大型旋轉(zhuǎn)機(jī)械采用的振動(dòng)測(cè)試方法，系統(tǒng)地給出了機(jī)械設(shè)備及其重要部件的故障預(yù)測(cè)參數(shù)選擇、故障預(yù)測(cè)的數(shù)學(xué)描述及當(dāng)前使用的預(yù)測(cè)方法，并說明了預(yù)測(cè)方法的發(fā)展趨勢(shì)
1.2故障預(yù)測(cè)的數(shù)學(xué)建模及其預(yù)測(cè)方法
設(shè)備故障預(yù)測(cè)的內(nèi)容包括恰當(dāng)?shù)念A(yù)測(cè)參數(shù)選取、預(yù)測(cè)的數(shù)學(xué)建模及選取合適的預(yù)測(cè)方法模型。目前預(yù)測(cè)方法模型按照是否建立定量模型來分，可以分為經(jīng)驗(yàn)預(yù)測(cè)方法和定量預(yù)測(cè)方法，經(jīng)驗(yàn)預(yù)測(cè)方法也稱為定性預(yù)測(cè)方法，這類方法主要依靠專家的經(jīng)驗(yàn)判斷、不依賴數(shù)學(xué)模型，能夠給出一個(gè)方向性的結(jié)論。定量預(yù)測(cè)方法主要分為概率統(tǒng)計(jì)方法和人工智能方法。其中概率統(tǒng)計(jì)方法可以分為回歸方法和時(shí)間序列分析方法。人工智能方法包括神經(jīng)網(wǎng)絡(luò)方法、模糊預(yù)測(cè)方法、專家系統(tǒng)法、灰色理論預(yù)測(cè)等
1.2.1回歸預(yù)測(cè)
回歸預(yù)測(cè)是概率統(tǒng)計(jì)方法的一種，回歸預(yù)測(cè)包括線性回歸和非線性回歸，常用的回歸分析方法有：一元線性回歸、多元線性回歸，一元非線性回歸和多元非線性回歸?；貧w預(yù)測(cè)的優(yōu)點(diǎn)是：原理、結(jié)構(gòu)簡(jiǎn)單，預(yù)測(cè)速度塊，外推特性好；存在不足是：歷史數(shù)據(jù)要求高，用線性方法描述比較復(fù)雜情況過于簡(jiǎn)單，模型初始