分形模糊神经网络在齿轮系统故障诊断中的应用

"分形模糊神经网络诊断方法研究和应用 (2002年)，由侯祥林、虞钢、李永强和虞和济撰写，是辽宁省博士起动基金资助项目，发表于2002年东北大学学报自然科学版。文章探讨了利用分形理论和神经网络原理进行机械设备故障诊断的新方法，特别是针对齿轮系统的精确诊断。" 在本文中，作者深入研究了如何结合分形理论与神经网络技术以改进机械设备的故障诊断过程。他们首先从信号的分形计算维数出发，利用采样周期和分形计算维数这两个参数对信号特征进行模糊化处理，提出了分形维数隶属度特征量的概念。这种特征量能够更好地捕捉信号的复杂性和非线性特性。 通过多时间尺度采样，作者获取了信号的分形维数隶属度，这些数据作为分形模糊神经网络的输入。网络的输出设计为单位矩阵，以此构建了一个新的时域精确诊断模型。分形模糊神经网络的优势在于，它能够处理非连续的离散量，并且能够在时域内提供更精确的诊断结果。 文章指出，传统的频域分析方法存在信号泄漏和频率叠混的问题，而采用分形计算维数可以有效避免这些问题。神经网络的并行处理能力与分形理论相结合，为机械设备故障诊断提供了新的视角。引入模糊逻辑进一步增强了网络处理不确定性和复杂性的能力。 在实际应用中，作者使用该方法对典型的齿轮系统故障进行了精确诊断，验证了分形模糊神经网络诊断方法的有效性。这表明，这种方法对于识别和定位机械设备的潜在问题具有较高的精度和实用性，对于预防性维护和故障预测具有重要意义。 关键词涉及到的领域包括分形计算维数、分形维数隶属度、优化方法、分形神经网络、分形模糊神经网络以及齿轮系统的精确诊断。根据中图分类号和文献标识码，这篇文章属于自动化与控制技术的范畴，是一篇具有理论研究和实践价值的学术论文。 这篇2002年的研究工作为机械故障诊断提供了一种创新的、基于分形和模糊逻辑的神经网络方法，不仅丰富了诊断技术的理论基础，也为实际工程应用提供了有力的工具。