应用神经网络对电液伺服阀进行故障诊断

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。     

多层反馈BP网联想记忆分析

多层反馈ＢＰ网络是一种非线性动力学系统。为了对多层反馈ＢＰ网络进行形式分析，作者采用了电路类比的方式得到了它的数学模型。根据反馈ＢＰ网络的数学模型证明了反馈ＢＰ网络联想记忆过程的稳定性及有关性质，为反馈ＢＰ网络的应用奠定了理论基础。     

力反馈两级电液伺服阀的建模与仿真

介绍了力反馈电液伺服阀的结构与原理,建立了其数学模型,确定了其稳定性条件。通过给定电液伺服阀的技术指标,确定了伺服阀的结构参数。根据稳定性条件,判定电液伺服阀的稳定性,同时给出了电液伺服阀的稳定裕度与阻尼比的关系。     

基于遗传算法的最优模糊控制器设计

模糊控制规则集是模糊控制系统的核心部分,对控制的快速性和精度有很大影响,采用改进的ＧＡ算法优化ＢＰ网络,加快了ＢＰ网络的收敛速度,也避免了ＢＰ网络易于陷于局部极小的麻烦。用优化的ＢＰ网络生成规则集,经过优化的ＢＰ网络隐层神经元数减少,即优化了规则库,从而提高系统的精度,降低了对ＢＰ网络系统误差的精度要求。     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重点课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

抽油机电液伺服模拟系统伺服阀前压力脉动的分析

抽油机电液伺服模拟系统伺服阀前压力脉动的主要原因是油泵输出压力的脉动和伺服阀输出流量的变化．伺服阀前压力脉动和伺服阀输出流量的变化．伺服阀前压力脉动会影响抽油机悬点运动规律的模拟精度且冲次愈高影响愈严重．抑制和减弱伺服阀前压力脉动的途径是合理选用液压滤波器件，对有蓄能器滤波和无蓄能器滤波两种工作过程中的伺服阀前村力脉动进行了数字仿真，仿真结果与理论分析基本相符     

改进BP网络学习算法的探讨

ＢＰ网络是目前应用很广的人工神经网络。改善ＢＰ网络算法尤其是提高ＢＰ网络的学习速度一直是人们研究的重要课题。本文在对ＢＰ网络现行算法研究的基础上，提出根据系统误差自适应调节学习率的快速ＢＰ算法（ＦＢＰ），并以棉花棉铃虫预测为例，对两种算法的收敛速度进行了比较。     

偏转板伺服阀前置级结构参数优化研究

通过改变偏转板伺服阀劈尖高度和V形槽下端喷口的导流长度等结构参数,建立新的偏转板前置级模型,利用ICEM和FLUENT软件对前置级流场进行静态特性分析;对前置级流量曲线进行二次拟合,建立伺服阀系统数学模型,利用SIMULINK仿真模型进行动态仿真,分析偏转板伺服阀系统的动态特性,从而优化偏转板伺服阀前置级结构参数。结果表明,适当降低偏转板伺服阀劈尖高度,保持劈尖宽度不变,可增大偏转板伺服阀前置级的流量增益和提升伺服阀的响应频率;增加V形槽喷口的导流长度,会减小偏转板伺服阀前置级流量增益和降低伺服阀的响应频率。     

电液伺服阀结构参数优化

电液伺服阀的动态性能是由液压系统的工况，电液伺服阀的结构参数决定的。为改善电液伺服阀的动态性能，建立了电液伺服阀快速性、稳定性、稳态误差最优控制目标函数。通过Parseval定理，将函数优化问题转化为变量优化问题。选择电液伺服阀的结构参数作为设计变量，以系统稳定性、快速性、稳态误差最小为目标函数，建立电液伺服阀的结构优化模型，通过优化。获得一组最优结构参数．     

力矩马达气隙误差对电液伺服阀零偏的影响

基于惠斯通电桥分析伺服阀力矩马达磁路,建立了气隙分布状态与伺服阀零偏之间的关系,当气隙左右对称或上下对称时,力矩马达不存在零偏,反之则存在零偏.建立考虑气隙误差时的力矩马达模型,得到了不对称气隙时的磁通规律、气隙误差与伺服阀零偏、压力增益以及流量增益之间的关系,发现当力矩马达气隙左右对称或上下对称时气隙误差仅影响伺服阀增益,气隙不对称时伺服阀会产生零偏,且伺服阀压力增益和流量增益会随力矩马达气隙增大而减小.     

基于BP神经网络的故障诊断

本文论述了BP神经网络的结构和学习算法以及应用到故障诊断中的原理和过程。详细地分析了拖拉机变速箱的工作原理,并讨论了利用BP神经网络的优点,应用到该工程的故障诊断中。通过试验证明,基于神经网络的故障诊断已经逐步走向成熟。     

基于神经网络的汽轮机故障智能诊断系统的设计

介绍了BP神经网络的结构和算法,分析了如何将BP神经网络用于机械设备的故障诊断.结合汽轮发电机组的故障特性,建立了汽轮发电机组故障诊断的神经网络模型,并利用该神经网络模型对汽轮发电机组的故障进行了诊断,诊断结果是正确和有效的.     

神经网络在提升机故障诊断中的应用

结合领域专家的经验知识,根据提升机制动系统故障树,完成了故障样本的收集与设计,然后用自组织特征映射(SOM)网络对制动系统的7种故障自动进行了分类,成功实现了第一层次的诊断;总结了制动系统子系统-液压站故障树,进行故障样本的收集与设计,然后用BP网络、BP网络状态分类器和Elman网络对液压站故障进行了第二层次的诊断,确定了故障原因和程度.对液压站故障的测试结果表明,这3种网络最后的结构和智能算法trainlm、输入、输出均能满足故障诊断与预测的要求;Elman网络的诊断性能较稳定,其隐含层神经元数对诊断性能的影响较小;故障测试精度由高到低依次是BP网络状态分类器、BP网络、Elman网络.     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。     

基于改进灰狼算法-BP神经网络的智能巡检机器人电磁兼容故障诊断

智能巡检机器人巡检电力线路时可能受到电磁干扰而影响工作甚至发生故障,为有效地完成智能巡检机器人电磁兼容故障的诊断,本文提出一种基于改进灰狼算法优化BP神经网络(TGWO-BP)的故障诊断模型。由于智能巡检机器人电磁兼容故障征兆与故障原因之间具有复杂的非线性关系,采用一般BP神经网络诊断模型存在着收敛速度较慢,易陷入局部最优,诊断准确率偏低的缺陷。针对以上问题,文中利用改进灰狼算法优化BP神经网络的权值与阈值,将优化后的BP神经网络应用于智能巡检机器人电磁兼容故障诊断。仿真结果表明,相比于GWO-BP神经网络和一般BP神经网络,TGWO-BP神经网络诊断模型收敛速度加快,网络泛化能力增强,故障诊断准确率提高。     

基于粒子群蛙跳算法优化BP神经网络的滚动轴承故障诊断方法

针对滚动轴承故障诊断方法存在的局限性及缺陷,在利用小波分析提取滚动轴承故障信号特征向量基础上,提出基于粒子群 蛙跳算法优化的BP神经网络滚动轴承故障诊断方法。该方法采用粒子群 蛙跳算法优化BP神经网络结构参数,利用改进BP算法和样本数据训练BP神经网络,实现滚动轴承运行正常和4种不同故障状态的诊断。实验验证结果表明,基于粒子群 蛙跳算法的BP神经网络方法诊断误差最大值仅为005,为未优化的神经网络诊断误差的1/16;与其他算法相比,基于粒子群 蛙跳算法优化的BP神经网络方法的训练时间、训练误差和诊断精度各项指标均为最优,可实现滚动轴承故障的快速、准确、有效诊断。     

基于BP神经网络的挖掘机智能故障诊断知识库设计

介绍了基于BP神经网络智能故障诊断技术在贵阳矿山机器厂O.8m3.液压挖掘机故障诊断系统应用中系统故障诊断神经网络知识库设计的方法与步骤,结合液压泵子系统故障诊断实例详细阐述了智能故障诊断故障库设计过程中神经网络建立、训练样本获取及神经网络学习的具体方法.     

基于BP神经网络的三相逆变器故障诊断研究

针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以此训练网络.仿真试验结果表明,该神经网络具有很好的故障识别能力,所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的.     

BP算法在旋转机械故障诊断中的应用

分析了旋转机械故障的特性,在此基础上对基于BP算法的诊断方法进行了研究,建立了旋转机械故障诊断的神经网络模型,对基于BP网络的汽轮发电机组的故障进行了诊断。实验证明,基于BP网络的旋转机械故障诊断方法具有较高的使用价值。     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。