船用核动力装置故障诊断专家系统

船用核动力装置故障特征复杂多样，将专家系统引入故障诊断领域可以充分利用专家的经验和知识．对船用核动力装置的故障特性进行了详细分析，并据此建立了故障诊断专家系统．着重介绍了船用核动力装置故障诊断专家系统的构成、建造方法、实现语言、知识的表示方法及推理机的推理过程等内容．用该故障诊断专家系统对一些典型故障在某仿真机上进行了在线诊断，得到了预期的诊断结果．     

蒸汽发生器U形管破裂事故的识别与诊断系统

论述了船用核动力装置中蒸汽发生器U形管发生破裂时的故障征兆及对U形管进行故障诊断的必要性，阐述了智能控制领域中的两个方面即模糊逻辑和神经网络，并探讨了它们之间的结合—模糊神经网络结构及其实现算法，利用模糊神经网络对蒸汽发生器U形管破裂事故进行了诊断，诊断结果表明该理论方法对此事故完全可以正确识别，进而证明该理论方法可以应用到船用核动力装置其他故障的诊断，能够满足船用核动力装置的诊断要求。     

船用核动力装置的Bayesian融合诊断方法研究

船用核动力装置发生故障时很多参数会发生变化，且参数的变化速度不同，因此有必要对这些参数进行融合处理，得到用于故障诊断的可靠征兆、在得到可靠征兆的基础上，利用基于Bayesian理论的融合诊断方法对故障进行诊断，随着故障现象的逐渐出现，诊断系统能够准确地判断故障类型。将该诊断方法应用于船用核动力装置的失水事故的诊断，利用安全分析得到充分性因子(Ls)，用Bayesian公式进行融合计算，最终能够得到可靠的诊断结果，满足了船用核动力装置的故障诊断要求，具有一定的实际应用价值。     

分布式策略的核动力装置故障诊断技术研究

对核动力装置中的故障问题进行了研究,根据系统结构和运行特点,基于分布式诊断策略将核动力装置划分成三级子单元结构,将故障诊断任务划分到不同的子单元中,采用核主元分析(kernel principal component analysis)进行故障检测,监测核动力装置的运行状态,采用模型法对不同的设备单元建立相应的模型进行故障诊断、识别,并辅以专家知识进行补充,得到故障问题的最优解,并以此为依据设计了核动力装置分布式故障诊断系统。在全范围仿真机上的测试表明,基于分布式策略的故障诊断方法有效,核动力装置分布式故障诊断系统具有较高的可靠度,满足故障诊断的功能要求。     

基于小波的神经网络在齿轮箱故障诊断中的应用研究(英文)

研究基于小波分析的神经网络故障诊断方法根据齿轮驱动装置在工作时通常可能出现的故障类型,人为地在该装置上制造了类似的故障供诊断．并对实验结果进行了分析和讨论．实验表明,利用小波进行诊断信号的预处理,并将其形成向量供给神经网络进行故障诊断具有较好的效果．     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态，实现对电机故障模式的自动识别与准确诊断，将数据融合技术与神经网络相结合，建立电机故障诊断系统。在数据融合级上，将故障特征量进行分类处理，然后采用多层神经网络进行故障特征级融合与电机故障的局部诊断，获得彼此独立的证据，再运用D-S（Dempser Shafer）证据理论融合算法对各证据进行融合，最终实现对电机故障的准确诊断。诊断测试试验证明，该诊断系统提高了电机故障诊断的精度，并能满足诊断的实时性要求。     

DEDS故障诊断方法在电梯中的应用

针对电梯这种复杂机电系统难以建模的特点，提出基于随机自动机的离散事件动态系统（DEDS）故障诊断方法．深入研究电梯门系统的故障机理，对各元件的典型故障进行分类，并抽象出各元件的事件集和状态集．将传感器信息和事件发生的可能性信息加入逻辑模型，得到系统的随机自动机模型．把门锁装置从门系统中分离出来，建立电梯门锁装置的随机自动机模型，构建电梯门系统和门锁装置的随机诊断器．通过随机诊断器，对门锁系统故障发生的概率进行在线估计，并对门主体系统的可诊断性进行了分析．此方法为复杂机电系统的故障诊断提供了一条有效途径．     

船用核动力冷凝器故障诊断专家系统

对船用核动力冷凝器的故障特征进行了分析,并据此建立了诊断专家系统.讲述了冷凝器的典型故障特征,并根据专家的经验及理论知识建立了知识库.针对故障的特点,专家系统采用了不确定性知识表示方法,推理机采用了双向推理机制.用VisualBasic6.0编制了专家系统程序.该系统对典型故障进行了诊断,得到了预期的效果.     

基于改进ART2神经网络的绝缘子故障在线诊断

根据绝缘子在线检测的特点,提出了基于改进ART2神经网络的绝缘子故障在线诊断技术．改进的ART2神经网络在F2层增设初始状态层,即F2层分为上子层F22和下子层F21．F22层存储绝缘子首次投运时的初始状态和已知的典型故障类型,F21层存储新增故障类型．在绝缘子故障诊断过程中,首先应用电晕电流脉冲测量仪在线测量绝缘子的电晕电流脉冲,然后绘制电晕电流脉冲的N-ψ图,并将其作为故障诊断的特征量送入改进的ART2神经网络进行模式识别．被检测的特征量先与F22层中的初始状态和已知的典型故障类型进行比较,如果匹配则判为该类;如果不匹配,再与F21层中的新增故障类型进行比较;如果都不匹配,则在F21层中创建新增故障类型．改进ART2神经网络解决了传统ART2神经网络聚类中心漂移问题,杜绝了绝缘子故障漏判的发生．仿真实验结果表明,应用改进的ART2神经网络可有效实现绝缘子故障在线检测,获得较好的诊断结果．     

基于GAPSO-SVM的航空发动机典型故障诊断

针对遗传算法（GA）和粒子群优化（PSO）算法优化支持向量机（SVM）存在容易陷入局部最优解、诊断精度相对较低、鲁棒性较差的问题,提出了一种结合GA、PSO、模拟退火算法的GAPSO优化算法,利用这种算法对SVM的参数进行了优化,优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡.通过对航空发动机典型故障的诊断研究表明,该方法不仅能够取得良好的分类效果,诊断精度高于BP神经网络、自组织神经网络、标准SVM、GA-SVM,而且有较好的鲁棒性,更适合在故障诊断中应用.     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

基于BP网络的飞机燃油系统故障诊断方法研究

对于飞机燃油系统故障诊断问题,提出了一种利用BP神经网络进行飞机燃油系统故障诊断的新方法。通过设计飞机燃油系统层次分类诊断模型,构建了专家系统知识库和推理机,利用CB工具开发了飞机燃油神经网络故障诊断专家系统。仿真结果表明,该系统很好地发挥了专家系统的智能性,能够快速准确地诊断出燃油系统的故障,完全适合于飞机燃油系统的故障诊断。     

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。     

A330飞控系统智能故障诊断

为了实现对A330飞控系统故障的自动识别与准确诊断,提出一种利用专家系统进行故障诊断的新方法。通过构建专家系统知识库和推理机,将传统专家系统与神经网络科学地综合,开发了基于神经网络推理的故障诊断专家系统。诊断结果表明,该方法很好地发挥了其智能性,能够快速准确地诊断出飞控系统的故障,完全适合于A330飞控系统的故障诊断。     

基于神经网络与专家系统的故障诊断技术

针对传统的故障诊断方法对复杂系统或装备进行故障诊断速度慢、对多故障同时发生的情况难以准确定位的问题,提出将神经网络与专家系统相融合的设计方案,建立一种基于人工神经网络的故障诊断专家系统。该专家系统结合神经网络和专家系统的优点,具有很强的自学习能力和自适应能力,可从外部环境不断吸取信息,在学习过程中不断完善自己,具有很强的容错性,善于联想、类比和推理。理论分析与仿真实验证明,该系统能实现对故障的快速准确定位,为保障装备可靠高效地发挥功能提供了有效方法     

基于神经网络的模拟电路的故障诊断

根据 BP神经网络的特点和性能以及电路故障诊断的要求 ,采用了 BP网络的权值与故障模式相对应的方法来进行电路的故障诊断 .该方法利用改进的 BP算法 ,首先建立故障模式 ,然后将故障模式与 BP网络的权值相对应 ,最后将权值作为故障诊断知识 .对模拟电路的软故障进行了仿真 ,仿真结果良好     

基于多级神经网络的指挥仪电路故障诊断

针对某指挥仪电路故障诊断专家系统的不足之处，用层次结构的多级人工神经网络进行电路的故障诊断，用专家知识对学习样本进行筛选，通过对该电路中差分电路模块的诊断实验表明，可以克服专家系统对某些故障无法诊断的不足，而且还可以实现多故障的诊断。     

模拟电路故障诊断中故障重分类方法的研究

分析了模拟电路故障诊断中故障类重叠.针对在该情况下神经网络训练困难与故障诊断正确率低的问题,提出了一种适于模拟电路的、基于神经网络故障诊断的故障重分类方法,给出了该方法的数学模型.通过诊断示例表明,该方法在故障类存在重叠时,降低了神经网络的训练难度,故障诊断的正确率达到99%以上.     

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。     

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。