运用混沌神经网络进行非线性振动中的混沌特性研究

本课题利用混沌神经网络，研究大型旋转机械在不同运行工况下非线性振动的混沌特征（分维、李雅普诺夫指数等），分析系统可能的运行轨迹和稳定性，实现系统运行状况的早期预报，优化系统运行参数。并利用上述研究成果，研究大型旋转机械故障的非线性诊断技术，提高诊断的精确度。课题的主要研究成果包括提出了混沌神经网络的模型结构及其自学习算法；提出了混沌神经网络的运动分叉与吸引子的分析方法以及运动分叉与吸引子的分析方法以及运动稳定性的判别方法；完成了混沌神经网络自身动态特性分析软件以及应用于非线性系统辩识的相关软件；提出了旋转机械故障的非线性诊断方法。部分研究成果已应用于实际的工况监视与故障诊断系统，并取得了较好的社会和经济效益。