提出一种结合小波包分解和广义动态模糊神经网络的故障诊断方法,该方法首先采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此向量作为输入,再利用广义动态模糊神经网络建立黄粉虫干燥设备故障诊断模型,双锥真空干燥机该模型不仅能对模糊规则而且能对输入变量的重要性做出评价,使每个输入变量和模糊规则都可根据误差减少率进行修正。实验结果表明：该方法对识别和预测黄粉虫干燥设备的状态具有较带式干燥器高的精度和效率。黄粉虫干燥设闪蒸干燥器备是机械电子设备中一种典型的故障多发零件，据统计旋转设备故障的30肠是由黄粉虫干燥设备故障引起的，而在中90肠的故障主要来自内圈和外圈的故障。因此，对的运行状态监测和

故障模式的识别一直是故障诊断的重点，通过监测和诊双锥回转干燥机断的工作状态，可以有效避免因突发故障而导致的重大事故，并能有效减少因停机而造成的经济小波包分解（WPD）是多分辨率分析的推广，可将频带进行带式干燥器多层次划分，并能自适应地根据振动信号的特征，将其分解到各个频带中，从而提取故障特征信号进行故障分析。模滚筒干燥设备糊神经网络（FNN）则是结合模糊逻辑和神经网络的各自优点，既替于闪蒸干燥器利用已有的经验知

识，又能通过自主学习增加系统的决策能力，增强网络的自适应能力，从而使模糊神经网络同时具有强的推理能力和自适应能力的优点，在故障诊断领域中有很大发展前途。广义动态模糊神经网络（GD一FNN）不仅参数可以在学习过程中调整，同时可根据观测数据自动增加、删除或者修改模糊规则来优化模糊模型，并确定模糊神经网络的结构。基于此，提出一种带式干燥器改进的模糊故障诊断方法，即先采用小波包分解与重构提取振动信号中不同频带内的能量来确定故障特征向童，再以此作为GD一刚N的输人对故障进行诊断和识别，通过对状态双锥真空干燥机数据的仿真实验结果表明，该方法具有较高的识别和预测精度。从上述结果分析可知，本文故障诊断方法，具有较好的推广性，滚筒干燥设备集学习、联想、识别、自适应及模糊信息处理于一体，提高了网络的收敛速度和预

测精度，且具有较快的运算速度，而且能对模糊规则和输入变量的重要性做出评价，从而使每个输入变健和模糊规则都可根据误差减少率进行修正，有效地提高电机故降诊断的准确性和可靠性。4滚筒干燥设备结语本文针对电机故障诊断知识具有模糊性和难以建立数学模型的特点，提出结合WPD和GD一FNN的故障诊断方法。广义动态模糊神经网络CD一FNN的结构基于扩展的径向基函数神经网络，在功能闪蒸干燥器上等价于飞K模糊系统。其学习算法的zui大特点是参数的调整和结构的优化同时进行，而且学习速度快。实验结果表明，该方法具有很强的分类能力，可以应用于的故障诊断和实时监测，也可为其他类型的故障诊断提供参考价值。