一种混合智能故障诊断方法及柴油机故障诊断

提出了一种模糊聚类、粗糙集理论与神经网络集成的混合智能故障诊断方法。引入聚类有效性函数和点分布密度函数。对模糊c-均值聚类算法进行改进,形成了自适应模糊聚类算法并依据该算法将连续的故障特征值离散化。应用粗糙集理论处理离散化的故障诊断数据。采用基于信息熵的方法,约简冗余的故障特征。依据约简结果构建神经网络,采用遗传算法优化网络的权值和阈值。将该方法用于柴油机气门故障诊断,并与普通神经网络进行对比。结果表明,该方法提高了故障诊断的正确率。     

基于热力参数的燃气轮机智能故障诊断

提出了故障与征兆间定量映射关系的求取方法，在此基础上研究了模糊逻辑和神经网络的故障诊断方法，并结合MS6001燃气轮机机组介绍了具体实现的过程，理论和实际考核表明，本方法可为建立智能化的燃气轮机状态监控和故障诊断提供强有力的手段，具有广泛的实用价值。     

化工过程集成型智能故障诊断系统研究与开发

在分析各种诊断方法优缺点的基础上，针对化工过程故障诊断，结合小波分析，专家系统和神经网络等技术，提出了一个集成型智能故障诊断系统框架，开发了润滑油桐苯脱蜡油回收装置诊断咨询系统，试验表明，该系统诊断效果良好，能满足工厂的实际需求。     

一种基于RBF神经网络的智能故障诊断方法

根据神经网络独特的容错、联想、推测、自适应、自学习等优点,针对BP网络在故障诊断应用中收敛速度慢等不足,研究了基于RBF神经网络的智能故障诊断方法.该诊断方法只需要足够的具有代表性的故障样本用以训练神经网络,然后将归一化的故障信息输入给训练好的神经网络,根据其输出结果就可以判断发生的故障类型.利用该诊断方法,对发动机转子系统故障诊断进行了仿真,仿真结果表明,基于RBF神经网络的智能故障诊断方法效果良好.     

大型真空系统智能故障诊断

根据大型真空钎焊炉真空系统的故障种类及特点,分析了现有的真空系统故障诊断存在的主要问题。针对大型真空系统故障诊断的不确定性和模糊性等特点,建立了基于故障树分析方法的模糊Petri网模型和推理算法,并以扩散泵不工作故障诊断为例,验证了该模型及算法的正确性和有效性。     

基于规则的复合人工神经网络故障诊断专家系统

提出了一种基于规则的新智能故障诊断专家系统,该系统使传统故障诊断专家系统和神经网络有机结合,并融合了模糊理论。系统增加了自学习机制,使知识获取容易,解释机制更灵活,因而使故障诊断系统更具灵活性和透明性。     

基于故障树与BAM神经网络的智能故障诊断方法

在研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中应用的基础上,提出了一种融合FTA和BAM的故障诊断方法。故障树存贮了系统关于顶事件发生的全部知识,利用FTA得到系统所有的故障模式,进而归纳出BAM的学习样本,即故障树中故障现象(监测点状态组合)和底事件发生与否之间的对应。BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。用上述方法进行仿真分析,结果表明该方法用于解决此类问题是有效的。     

复杂电子装备智能故障诊断方法

介绍了用于复杂电子装备故障诊断的各种方法,主要讨论了基于规则的、基于模型的、基于案例的和基于人工智能的诊断方法及其应用,同时对这些方法的优缺点进行了评述。最后针对已有的故障诊断方法讨论了一些要解决的问题并提出了故障诊断技术的发展趋势。     

基于神经网络的摊铺机液压系统故障诊断方法

以摊铺机液压系统为研究对象,提出了基于神经网络的故障诊断模型。结合BP神经网络基本知识和摊铺机液压系统故障的特点,研究了诊断知识的获取方法,设计了摊铺机液压系统故障诊断网络的基本结构。通过与模糊理论相结合研究了输入输出特征向量表达和获取的具体方法,提高了故障诊断神经网络模型的实用性,并提出改进学习效率和动态BP算法可以提高故障诊断神经网络的性能。     

执行器故障检测的神经网络观测器方法

针对一类非线性系统,提出了一种用于执行器故障检测的神经网络观测器方法·这种非线性系统具有未知非线性函数,不需要满足结构匹配条件,并且不要求系统状态可测·观测器利用神经网络器逼近系统中的未知非线性项,提高了状态估计的精度·估计的残差提供了故障检测的手段,另一方面利用自适应律进行故障的识别·基于李亚普诺夫方法,从理论上证明了状态估计误差稳定且渐近收敛到零·最后,仿真结果表明该方法的有效性·     

基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度，分析了陀螺漂移特性，指出随机漂移是影响陀螺仪精度的主要漂移误差，也是影响性能可靠性的主要因素．针对此，提出了一种小波模糊神经网络故障诊断模型．此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起，充分发挥它们各自的优点，并对陀螺仪实测数据仿真．仿真结果表明，采用小波分析提取陀螺的常值漂移，简单有效；运用神经网络对陀螺的误差和故障建模，使故障诊断具有自适应、自学习的能力，并互增强了故障诊断的容错能力；将模糊逻辑用于判决中，使判决结果更加可靠．     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

Fuzzy ART及其在故障诊断中的应用

ＦｕｚｚｙＡＲＴ是近几年出现的一种新型ＡＲＴ技术,文中介绍了该技术的实现方法,并用它对实测的不同工况的机器振动信号进行自组织聚类,收到了令人满意的效果,分析结果表明,采用这种无督学习的神经网络具有有督学习神经网络所无法替代的优势。文中同时对该技术在故障诊断领域中的应用前景作了展望。     

基于神经网络的非线性系统故障诊断

本文对非线性系统的故障检测与诊断提出了一种新的方法。利用神经网络对非线性系统进行辩识与建模 ,通过比较实际输出与模型的输出 ,可在线辩识出故障幅值的大小。     

多级模糊神经网络在故障诊断中的应用

提出一种基于模糊神经网络的多级故障诊断系统,根据多级的需要,除了建立故障谱和识库外,还分别建立了频谱特征知识库、振动变化特征知识库和故障位置特征知识库,并对其主要功能做了比较细致和论述。文中特别对第1,3级采用的基于模糊组织径向基函数神经网络及第2级采用的模糊逻辑神经网络的学习算法做了较全面的论述,同时解决了模糊神经网络随着输入变量的增加,模糊规则呈指数增长带来网络训练的困难。通过试验,研究了该系统在某炼油厂重催化机组故障诊断中的具体应用。     

用于故障诊断的集成型智能系统

故障诊断是人工智能的一个重要研究内容．分析了现有故障诊断方法（基于规则、基于模型、基于人工神经网、基于案例）的各自特点和局限性．提出了集成现有故障诊断方法（规则、模型、人工神经网、案例）的故障诊断系统及其系统结构．从知识获取和表示、推理和诊断、机器学习方面,说明该新系统能结合现有故障诊断方法的互补性并克服存在的局限性,并且能提高故障诊断的智能性及效率．     

集成旋转机械故障诊断的知识表示与推理

本文提出了一种新的基于规则和神经网络集成的智能旋转机械故障诊断方法，该法把专家经验和故障样本以统一的分布表示形式组织到知识库中，并在此基础上提出了推理算法的自学习选取，整个系统充分发挥了规则系统和神经网络的优点，具有知识表示明确、并行推理、联想和自学习等优点。最后结合实例进行了分析。     

基于神经网络模糊观测器的非线性系统的故障诊断

本文运用T-S模糊模型建立非线性系统的系统模型,用神经网络逼近非线性故障,用以设计观测器诊断系统故障。仿真结果表明,该设计方法能够有效的估计出故障大小。     

基于粗糙集-神经网络故障诊断技术的研究

提出了一种基于粗糙集-神经网络故障诊断新方法,该方法利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则.该规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度.通过对一个电力电子电路进行实验,实验结果表明,该方法可以有效地减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,在故障诊断中有良好的应用前景.     

复杂系统基于混合知识模型的智能故障诊断技术

系统阐述了复杂系统故障诊断知识的概念、类别和相互关系,研究发展了定性和定量、浅层和深层、模糊和动态等多种诊断知识的获取方式和集成组织模型,建立了因果、结构和模型等不同层次和类别诊断知识的面向对象表示方法,提出了综合多层次和多类别诊断知识的智能故障诊断理论和策略.该策略能有效提高故障诊断的准确性以及诊断推理的效率.