基于人工神经网络和专家系统结合运用的电网故障诊断技术的研究

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明ＡＮＮ和ＥＳ结合用于电网故障诊断是非常有效的。     

基于人工神经网络和专家系统结合运用的电网故障诊断技术…

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合一ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明     

多诊断方法代理联盟策略研究

针对故障诊断对象的多故障特性，为使系统在诊断对象的各子故障域的诊断精度达到最高，给出了可以适合于在多故障情况下找到一个最优联盟结构的算法，首先，给出了各个诊断方法代理和代理联盟的诊断能力的定义，并且提出将联盟的诊断能力作为评判标准，然后，在各子故障域同时进行联盟结构的搜索，寻找出具有最高联盟诊断能力的结构形式，并改变联盟矩阵中相应单元的值，最后，根据联盟矩阵确定各子故障域的联盟结构，并在此基础上形式该诊断对象的诊断联盟。     

基于支持向量机的机械故障诊断方法研究

针对因缺少大量故障数据样本而制约机械故障智能诊断发展的问题，提出了一种基于支持向量机的机械故障诊断新方法，介绍了该方法的原理和算法，并利用模拟故障数据建立了多故障分类器。这种诊断方法只需要少量的时域故障数据样本来训练故障分类器，不必进行信号预处理以提取特征量，便可实现多故障的识别和诊断。测试结果表明，当数据样本中含有26％的噪声时，故障分类器仍然能正确分类多种故障。这种诊断方法具有算法简单、可对故障在张分类和故障分类能力强的优点。     

汽轮发电机多故障诊断的SOM神经网络方法

汽轮发电机组的振动故障具有多样性的特点,经常出现多种故障同时发生的情况.传统的BP神经网络方法可对单一故障有效诊断,若要对多故障进行诊断,则需对各种多故障样本进行学习,使输入空间在训练过程中被样本空间完全覆盖,将大大增加样本空间及学习训练负担,同时网络归纳、联想能力随之大幅度下降,诊断难以实施.因此,将自组织特征映射(SOM)神经网络应用于汽轮发电机组的振动多故障诊断,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对多故障进行判断.经实例分析证明,该方法可对多故障进行有效诊断.     

刀具状态的ANN—模糊识别

提出了利用人工神经网络（ＡＮＮ）及模糊识别理论融合多监控参数进行刀具状态识别的方法．该方法首先对各监控参数按刀具不同状态的敏感性进行分组,并利用多个ＡＮＮ子网络建立各组参数与刀具状态的模糊隶属度关系,然后利用模糊决策法对各ＡＮＮ子网络确定的刀具状态模糊隶属度进行综合评判并按最大隶属度判定刀具状态．该方法不仅具有ＡＮＮ的并行运算特点,而且具有模糊综合评判的容错性,从而提高状态识别的实时性和正确率．结合功率信号的多个特征对大量实验数据的测试表明,该方法可将ＡＮＮ的识别正确率从平均８８％提高到９５％．     

可拓理论与SOM网络相结合的多故障诊断方法

 针对采用SOM 网络进行多故障诊断时,要求多故障模式相似且不包含标准故障输出的限制,提出将SOM 网络与可拓理论相结合的多故障诊断方法.首先采用SOM 网络对训练样本进行聚类,得到故障模式及其聚类中心.然后针对每种故障模式的每个特征构造在聚类中心处取得最大值的关联函数,并以各特征的关联函数值为基础,设计多故障评价指标实现多故障诊断.最后采用汽轮发电机组振动信号的频谱数据对算法进行验证,结果表明该方法能够正确识别待诊断样本的单故障和多故障模式,具有可行性.     

工程中基于知识的系统与人工神经网络的合璧

对基于知识的系统（ＫＢＳ）和人工神经网络（ＡＮＮ）的合璧的工程中应用的可行性及优越性进行了介绍和评价。ＫＢＳ的优势在于其因启发性适应 具有人类判断问题和解决问题的能力。ＡＮＮ显示了ＫＢＳ所不具有的求解特征，包括这种能力；由便子进行学习，得出一个可用于该类问题某一范围的普遍性结论，而且处理信息极快。就这方面而言，ＫＢＳ和ＡＮＮ是互补的，而不是互替的。并且可以合璧为一个能发挥两各技术特丝毫 种合璧的应     

重油加氢裂化过程稳态模型的建立

为保证石油化工系统安全生产，采用偏最小二乘法（ＰＬＳ）与人工神经网络（ＡＮＮ）相结合的方法，建立了重油加氢裂化过程的稳态模型，解决了体系复杂、影响因素多、现场数据的噪声等对模型的运算速度和精度不易满足要求的困难。对ＰＬＳ的主矢量所张成的子空间进行了数学分析，并对该方法的降维去噪能力进行了讨论。仿真实例表明，ＰＬＳ－ＡＮＮ法与ＡＮＮ法相比，在训练与预报精度都有所改善的条件下，不仅具有良好的降维效果，且有更强的除噪能力；与线性ＰＬＳ法相比具有更好的非线性映射能力。     

支持向量机及其在机械故障诊断中的应用

针对目前机械故障诊断中难以获得大量故障数据样本以及特征提取和诊断知识获取困难等不足，提出了应用支持向量机进行机械故障诊断的方法，研究了将小波包分析与信号能量分解用于机械故障的特征提取。该方法将振动信号小波包分析后的信号频带能量作为特征向量，输入到由多个支持向量机构成的多故障分类器中进行故障识别和分类。该分类器只需少量训练样本，而且不必预先知道故障分类的经验知识就能实现正确分类。研究结果表明：选用不同核函数及其参数的多故障分类器对分类精度有影响；在样本不带噪声和带15％噪声情况下，支持向量机的分类精度均高于BP神经网络的分类精度，具有更好的分类性能。     

汽轮鼓风机组模糊诊断系统的研制

首先介绍旋转机械故障诊断的基本原理和几种典型故障的频率特征，然后阐述了诊断的实质与方法及模糊诊断的实现，最后重点介绍系统的设计思想、功能和特点，并给出了分析诊断的流程图．     

Fault Identification of Rotor Machine Based on Optimized Method

The size and complexity of modern equipment require more advanced fault diagnosis techniques Different from signal analysis based methods, a dynamic model based diagnosis technique can further diagnose the location and severity of the fault, and detect multiple faults at one time. A model based fault diagnosis method was developed to identify typical faults of rotating machinery. This method can identify mass unbalances, crack locations and sizes, and oil film parameters in rotating machinery by optimization methods and dynamics simulation technique. Numerical and experimental results demonstrate that the method is useful for detecting faults of rotating systems.     

神经网络的多故障诊断层次模型研究

人工神经网络已成功应用到实际的故障诊断系统中，但大多主要用于单故障诊断情形。实际应用中，多故障同时出现的情况却普遍存在。基于神经网络的方法，构造了一种用于既能诊断单故障，又能诊断多故障的模型。通过实例与传统的诊断模型进行对比，说明了所提出诊断模型的可行性和有效性。     

证据理论在旋转机械综合故障诊断中应用

针对旋转机械故障诊断中在同一征兆域中很难区分多种故障的实际情况,研究利用其他征兆域的诊断信息,进行全局信息融合,从而获得更为准确的故障定位,提出一种基于神经网络和Dempster-Shafer证据理论的多参数综合诊断系统模型,在该模型中采用证据理论的组合规则进行局部和全局信息融合,得出较好的诊断结果。     

BP神经网络在旋转机械故障诊断中的应用

人工神经网络模型是在现代生物神经系统研究基础上建立的一种网状结构，是对人脑某些基本特性的一种简单的数学模拟。神经网络以其信息的并行分布式处理、联想记忆、自组织及自学习能力，在机械故障诊断领域显示了极大的应用潜力。本文就神经网络对给定知识的表达、联想、记忆能力及网络结构进行了研究，利用反向误差传播网络对旋转机械中四种典型故障进行了实例分析诊断，取得了令人满意的效果。     

Bayes网络在机械故障概率估计中的应用

提出了将bayes网络应用于机械故障诊断。主要是为了解决如何从机组运行状态数据中来推断出机组发生某种故障的可能性,从而为进一步的诊断维护提供依据。Bayes网络是一个具有一系列条件概率的有向无循环图。本文采用两层结构的网络模型,上层为旋转机械的故障样本集,下层为症状属性样本集。根据给出的各故障发生先验概率以及各症状节点的条件概率和泄漏概率,利用网络的推理计算,求出机组发生各种故障的后验概率大小。从而达到预测发生某种故障可能性的目的。实例验证了该方法的可行性和正确性。     

模糊Kohonen神经网络回热系统故障诊断

分析了汽轮机组回热系统12种典型故障及9种征兆参数的模糊处理,结合Kohonen神经网络的工作原理、诊断特征,提出了模糊Kohonen神经网络汽轮机组回热系统故障诊断模型.结果表明:该模型可以有效地进行回热系统故障样本模式的模糊量化处理,具有自学习功能、聚类能力强、运算速度快的优点,可以有效地对具有模糊性的单一故障和复合故障进行诊断,是一种适合于汽轮机组回热系统故障诊断的有效可行的方法.     

Support vector machine based on chaos particle swarm optimization for fault diagnosis of rotating machine

The performance of the support vector machine models depends on a proper setting of its parameters to a great extent. A novel method of searching the optimal parameters of support vector machine based on chaos particle swarm optimization is proposed. A multifault classification model based on SVM optimized by chaos particle swarm optimization is established and applied to the fault diagnosis of rotating machines. The results show that the proposed fault classification model outperforms the neural network trained by chaos particle swarm optimization and least squares support vector machine, and the precision and reliability of the fault classification results can meet the requirement of practical application. It indicates that chaos particle swarm optimization is a suitable method for searching the optimal parameters of support vector machine.