首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 93 毫秒
1.
基于小波包分析和BP网络识别的齿轮故障诊断   总被引:3,自引:0,他引:3  
针对齿轮故障信号的能量所引起的变化会淹没在常规振动与噪声之中,用传统的信号处理方法不易提取故障特征,给齿轮的故障诊断带来很大困难这一事实,本文描述了用于从振动信号中提取故障信息的小波包和用于识别故障类型的BP网络,研究了BP网络故障模式识别与小波包故障特征提取结合在一起对齿轮故障进行诊断的方法,研究结果表明该方法可以成功地用于轮常规故障的识别和诊断。  相似文献   

2.
目的解决溶解气体分析法在变压器故障诊断中准确率不高之难题。方法采用人工神经网络方法和基于动量因子技术的改进BP网络训练算法。结果建立了一BP神经网络模型,使网络具有较强的学习能力、泛化能力和适应能力。结论神经网络能较准确的对变压器故障进行诊断,具有一定的应用及推广价值。  相似文献   

3.
基于半监督学习思想,将协同训练的机制引入到故障诊断的学习中,采用多个不同的分类算法协同训练,提高电力变压器故障诊断的准确率.采用BP+SVM的多个训练器协同工作,目的是克服单个算法的准确性不高的缺点.将实例分析的结果与传统的BP算法的结果进行比较.结果表明,该算法能有效地对电力变压器单故障样本进行分类,具有较高的诊断准确率.  相似文献   

4.
针对变压器故障诊断中BP神经网络诊断精度不够高的缺陷,提出一种天牛须搜索(BAS)算法与BP神经网络相结合的算法.将天牛须搜索算法寻优后的初始权值和阈值作为BP神经网络的初始权值和阈值,建立模型并进行仿真测试.结果表明,与传统BP神经网络相比,新模型有效克服了训练时间长、收敛速度慢的缺点,为变压器故障诊断提出了一种新的方法.  相似文献   

5.
为了提高变压器故障诊断的准确性,引入了一种基于证据理论的诊断方法。根据变压器故障的特征数据,采用2个并行的BP神经网络对变压器进行局部故障诊断,以获得彼此独立的证据,再采用证据理论对各证据进行融合。实验结果表明,该方法可有效地提高诊断的准确率,减少诊断的不确定性。  相似文献   

6.
应用神经网络对电液伺服阀进行故障诊断   总被引:2,自引:0,他引:2  
以电液伺服阀为研究对象,以液压CAT为手段,将BP网络与电液伺服阀故障诊断相结合,成功地实现了伺服阀状态的模式识别。  相似文献   

7.
李刚 《科技信息》2012,(20):371-372
本文利用BP神经网络对变压器进行故障诊断。该方法以变压器油中特征气体的含量作为输入参数,输入到经过训练之后的BP神经网络,经过实际输出与期望的对比分析表明,采用该方法对变压器进行故障诊断是有效的。  相似文献   

8.
牛晓太 《科学技术与工程》2012,12(23):5789-5793
针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出了一种小生境遗传算法优化的BP神经网络模型。该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练。有效解决了网络初值不合理的问题,提高了网络收敛速度、稳定性。最后结合变压器故障诊断实例。在Matlab7.0平台上进行仿真实验。实验结果证明:与传统方法相比,该模型具有很强的可行性和有效性。  相似文献   

9.
粗糙集与神经网络集成在故障诊断中应用研究   总被引:11,自引:0,他引:11  
提出了SOM网络-粗糙集-BP网络集成进行故障诊断的方案;首先应用SOM网络离散化故障诊断数据中的连续属性值;然后基于粗糙集理论计算诊断决策系统的约简,根据实际需要确定最优决策系统;最后在最优决策系统的基础上设计BP网络进行故障诊断,4135柴油机的实际诊断结果验证了所提出的民粗糙集理论相结合进行故障诊断的可行性,在数据充分的条件下,该方案可以推广应用于其他机械设备。  相似文献   

10.
为了克服单一Kohonen网络和BP网络用于数据挖掘的缺点,提出了一种基于Kohonen和BP组合神经网络的数据分类方法,并给出了该分类方法的基本思想和算法描述.电力变压器故障诊断的仿真实验结果表明,利用该分类方法可以提高数据分类的精确性.  相似文献   

11.
以泵缸内的压力信号作为系统特征信号,将小波包分解的"频率-能量-故障识别"的模式识别故障诊断方法引入泵阀工作状态监测技术,通过改进的BP神经网络进行故障诊断.此技术已应用于循环泵实时故障诊断系统中.  相似文献   

12.
基于压力信号的小波神经网络往复泵故障诊断   总被引:2,自引:0,他引:2  
为有效提取往复泵工作时非平稳时变信号中的故障特征和将故障特征准确分类,提出以泵缸内的压力作为系统特征信号来提取故障特征向量的方法.将小波包分解的"频率-能量-故障识别"模式诊断方法引入泵阀工作状态监测中,通过改进的BP神经网络进行故障诊断.试验确定了网络的初始值,即选择学习率初始值为1.5、惯性因子为0.6、网络结构为3层的BP网络,其中隐含层的节点数为19个,即网络的结构是8-19-3.结果表明,该法降低了对原始信号处理的难度,且各阀箱内的压力之间无相互影响.该技术已应用于某船载系统的往复泵实时故障诊断中,实验验证了其有效性.  相似文献   

13.
介绍应用BP网络诊断伺服阀故障的原理和方法,在试验的基础上建立了用于伺服阀故障诊断的BP网络,并成功地实现了伺服阀状态的模式识别  相似文献   

14.
为提高滚动轴承故障模式识别技术的研究,基于IGA-BP神经网络的故障诊断原理,运用IGA对BP神经网络的权值与阈值进行调整和优化,利用小波包分解获得轴承振动信号的特征向量,进行了滚动轴承故障的诊断实验研究,对故障模式进行识别。结果表明,IGA-BP神经网络方法具有很强的故障识别能力,说明利用IGA-BP神经网络方法进行轴承故障诊断是可行的。  相似文献   

15.
李蓉 《科学技术与工程》2011,11(20):4730-4733,4739
为了提高胸癌诊断的识别精度,提出了应用机器学习方法建立胸癌诊断模型。其中描述细胞特征的参量作为模型的输入,细胞的类别对应模型的输出。选取三种机器学习方法作为建立模型的训练算法,分别为反向传播(Back Propagation,BP)神经网络、学习矢量量化网络(Learning Vector Quantity,LVQ)和支持向量机(Support Vector Machine,SVM)。仿真结果显示三种机器学习方法所见的诊断模型均具有较高的识别率(BP:97.28%,LVQ:98.06%,SVM:98.45%),可作为有效地识别方法用于其他医学诊断研究。  相似文献   

16.
讨论了BP神经网络神经元开关函数饱和参数的选择问题,建立了BP神经网络的容错能力、全局性能与收敛速率之间的关系,并提出了一个如何应用这些关系来合理选择神经元开关函数饱和参数的方法模拟试验研究和分析结果表明,本文提出的合理选择神经元开关函数的方法可以有效地帮助BP神经网络技术解决诊断中复杂的模式分类问题。  相似文献   

17.
针对传统板形模式识别方法存在抗干扰能力差和识别精度有限等缺点,提出了基于遗传算法(GA)优化的PID神经网络板形模式识别方法.PID神经网络不仅具备传统多层前向网络的特点,而且其隐含层具有动态特性,可以直接用于动态系统辨识.GA具备良好的并行设计结构,具有全局优化的特点,利用GA对网络权值进行优化,克服了传统BP算法易陷于局部极小的不足.仿真结果表明:GA-PID神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形模式识别精度,可以满足板带轧机高精度的板形控制要求.  相似文献   

18.
提出一种基于Laguerre正交基前向神经网络的动态手势识别方法.首先根据多项式逼近和矩阵理论,构造了一种以Laguerre正交多项式作为隐含层神经元激励函数的多输入、多输出三层前向神经网络模型,在网络权值迭代计算公式基础上推出一种基于伪逆的直接计算网络权值方法,避免求取权值的反复迭代过程;提出一种快速的基于颜色的指尖...  相似文献   

19.
针对目前常规两相流流型识别方法在糖厂煮糖罐糖浆识别中精度低的缺点,提出基于电容层析法(ECT)的气液两相流流型判别软测量模型.首先对由ECT传感器采集的检测数据优化处理并提取特征参数作为BP神经网络的辅助变量,气液两相流相应实际流型作为BP网络的主导变量,通过神经网络结构参数的优化训练,构建出二级并行的自组织竞争神经网...  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号