摘要：当今的科学发展浩浩荡荡，带动了生活与生产。数不胜数的机械种类随着时代而逐渐完善增多。在庞大的旋转机械系统库中，各式各样的机械器材所营造的范围也逐步增大，充实了精密而严谨的结构，架构及布局。然而繁琐庞杂的的工作运动情况，又或者是机械回转振动等断裂发生了失效故障，迫使大家对转子试验台有进一步的要求提升，致使大家必须对转子试验台进行故障诊断进行合理的方法研究。

本篇论文通过旋转机械的故障现状诊断引出BP神经网络，进一步利用BP网络的特性，结构以及误差反向传播BP算法，针对转子试验台进行故障诊断。首先针对信号的特征提取，阐述了三种故障类型时候，时域特征的几大性能的比较，去掉奇异值，对比特征值，提高准确率。再接着根据了解到的转子试验台转子的振动信息,利用频域分析(FFT分析)，通过选取关于BP网络的训练样本，以振动信号的频谱分析，保证采集充足的事故样本，进行训练与测试BP网络,把我们象征故障的采样数据，填充到已经完成训练的BP网络之后,通过隐含层处理，接着输出，分析结果完全能够识别事故的种类，故障的类型。在之后我们对于机械器材使用中，起到了预警和保护作用。

关键词：转子故障   BP神经网络傅立叶分析  故障分析

目录

摘要

Abstract

1.绪论-1

1.1课题背景-2

1.2 国内外研究现状-2

1.2.1 旋转机械故障现状诊断-2

1.2.2 BP神经网络的研究现状-2

2.BP神经网络-4

2.1 机器学习简单概述-4

2.2 监督学习-4

2.3人工神经网络-5

2.4激活函数-6

2.5 神经网络结构-7

2.5.1 代价函数-7

2.5.2 反向传播算法-7

2.5.3 梯度下降原理-8

2.6 逻辑回归-9

2.6.1 分类问题--二分-9

2.6.2 一对多分类问题-10

3.信号的特征提取-12

3.1时域分析-13

3.2频域分析-14

4.BP网络用于转子故障诊断-16

5.结论-21

5.1总结-21

5.2展望-21

参考文献-22

致谢-23

附录-24