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。     

基于HHT和FKNN的动调陀螺仪故障诊断研究

动调陀螺仪是一种重要的、典型的和复杂的机载机电设备。针对动调陀螺仪的故障结构特征,提出一种基于希尔伯特-黄变换(HHT)和模糊Kohonen神经网络(FKNN)的动调陀螺仪故障诊断模型。首先,在对动调陀螺仪进行故障模式与影响分析的基础上,明确了故障模式及特征参数;针对特征参数中的随机信号,采用希尔伯特-黄变换进行特征提取;然后,在分析Kohonen神经网络结构、原理及不足的基础上,提出一种模糊Kohonen神经网络诊断模型;最后,通过诊断算例进行分析验证。结果表明所提出方法在动调陀螺仪故障诊断中具有较高的正确诊断率。     

基于神经网络及模糊理论建立回热系统故障诊断层次模型

针对热力系统故障发生的模糊性,提出将模糊辨识理论和人工神经网络相结合,建立回热系统故障诊断层次模型．该模型根据回热系统以加热器为中心的特点,分层诊断,缩小了知识库,减少了计算量,并利用了神经网络“边学习、边辨识”的优点,使故障诊断迅速、准确．经仿真实验,证明了模型辨识效果良好．     

T-S模糊神经网络在风机故障诊断中的应用

针对供热锅炉房风机故障的不确定性和复杂性的特点,结合神经网络的自适应自学习能力和模糊系统利用语言描述来获取知识的优点,建立了一种基于T-S模糊神经网络的风机二级故障诊断模型,以风机常见故障振动信号的特征频谱峰值变化为依据,诊断故障类型,并对故障原因进行识别。应用MATLAB软件进行系统仿真测试,通过实例与BP神经网络进行了对比分析,结果表明基于模糊神经网络的故障诊断方法收敛速度快、诊断精度高、效果较稳定,能够有效地诊断风机故障。     

模糊神经网络在自动变速器电控系统故障自诊断中的应用

文章介绍了故障自诊断的步骤,针对自动变速器电控系统的特点,建立了故障征兆与故障原因映射列表,并应用基于模糊神经网络的故障自诊断方法,实现了对自动变速器电控系统故障的模糊诊断;并介绍了模糊神经网络的结构和学习方法,以及如何对训练样本进行预处理;利用Matlab神经网络工具箱作为平台,进行测试样本仿真和试验,结果表明该诊断方法是行之有效的。     

离散事件系统故障的极小观测序列

为了提高可诊断离散事件系统故障的在线诊断效率,本文从判定故障发生的可观测事件的角度,提出了故障极小观测序列方法.文中选取有限状态自动机对离散事件系统进行建模.首先,在离线状态下,建立系统的故障模型,以排除对于判定系统故障无关的路径.然后,根据故障模型进一步建立判定系统故障的极小观测序列模型.当离散事件系统在线诊断时,仅需将逐步增加的在线观测事件序列与故障的极小观测序列模型进行比对.若能找到满足该模型的任何一条路径,则说明路径终止状态上故障标签对应的系统故障发生;否则,说明系统无故障发生.文中对可诊断离散事件系统进行实验对比,通过故障的极小观测序列模型能尽快判定有无故障发生,以及发生了哪些故障.该模型能有效地缩小系统在线诊断的时间,提高系统在线诊断的效率.     

基于分级模糊神经网络的水电机组故障诊断

针对水电机组发生故障时,故障征兆与故障原因之间复杂的对应关系,提出了一种新型的基于低、中、高3级模糊神经网络的故障诊断结构模型和相应的学习算法,并以此方法对该分级模糊神经网络进行了仿真训练.仿真实验结果表明,该方法能有效地对水电机组单故障与多故障样本进行分类,可提高诊断准确率.     

汽轮机调节系统故障检测及诊断技术应用分析

汽轮机调节系统的运行状态直接关系到机组的安全稳定性,因此其故障检测及诊断技术具有非常重要的科学研究意义和实际工程价值。该文首先对目前的国内外调节系统故障检测及诊断技术的研究现状进行了概述,指出了未来调节系统故障检测及诊断技术研究的研究重点及发展趋势。然后对调节系统的常见故障进行分类,将故障分为软件故障和硬件故障两大类,并从调节系统组成部件的工作机理方面对可能发生的故障机理进行逐一的分析。最后,在此基础上提出了一个分层的诊断策略,这对实时快速检测和诊断调节系统故障、提高汽轮机运行的安全性具有一定的借鉴意义。     

基于模糊逻辑和遗传算法的工程机械故障诊断

为了使遗传算法能够处理存在模糊信息的工程机械故障事件,将模糊逻辑与遗传算法有机地结合起来,提出了一种基于模糊逻辑和遗传算法的工程机械故障诊断方法。充分利用模糊逻辑可以对模糊性和不确定性进行定量描述的特性,对工程机械模糊的系统部件技术状况进行定量描述,求得系统部件发生故障的概率。把工程机械系统部件作为节点引入模糊有向图并建立简化的故障诊断模型。采用遗传算法对可能的故障传播路径进行搜索,获取发生故障的原因。利用该方法既可以有效地处理工程机械故障中的模糊信息,又可以提高遗传算法路径搜索的效率和准确性,并用实例说明了该方法的优点。     

动量BP神经网络在高压电力计量系统故障诊断中的应用

利用BP神经网络自适应性强的优势,将动量BP神经网络应用于高压电力计量系统故障诊断中.对计量系统的7个运行参数提取故障信息作为网络的输入值,以4位二进制数表示正常情况和7种主要故障类型,用采集得到的样本对网络进行训练及测试,结果表明,动量BP神经网络模型对高压电力计量系统故障有很好的辨识和诊断效果.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

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。     

化学化工实验室无线安全监测系统故障诊断方法研究

针对化学化工实验室的安全问题设计了一种无线安全监测系统,通过无线通信模块传输现场检测数据和经压缩后的图片,实现了实验室安全远程无线监测与监视的功能. 由于监测系统中的无线通信模块能耗较高,长期运行容易发生故障,其故障检测方式也较为复杂. 为了在线检测无线通信模块的故障和识别其类型,以确保无线安全监测系统的可靠性,研究了无线通信模块的电流特性,建立了基于模糊神经网络的故障诊断模型,可实现对无线通信模块在不同状态下的故障进行诊断. 实验结果表明,与BP神经网相比,采用模糊神经网络的无线通信模块故障诊断方法训练耗时短、收敛快、训练误差和验证误差小、诊断正确率高,能够在线检测无线通信模块的多种类型故障,明显提高了无线安全监测系统的可靠性,具有较好的实际应用价值.      

基于模糊神经网络的凝汽器故障诊断

对基于热力参数的凝汽器典型故障，建立了凝汽器典型故障集、征兆集及故障特征向量集合，提出了一种适用于凝汽器故障诊断的模糊BP神经网络方法，并以实例验证了该网络模型识别故障的准确性。     

神经网络在核动力装置故障诊断系统中的应用

对核动力装置进行状态监测与诊断的层次、步骤、系统结构进行了阐述，并结合专家知识对核动力装置典型故障建立了故障知识库；在此基础上，将径向基函数（RBF）人工神经网络引人到核动力装置故障诊断中，使其与模糊神经网络（FNN）进行邦联，提高了神经网络的诊断速度和准确性．用Visual Basic6．0编制了系统程序．该系统对典型故障进行了诊断，得到了预期的效果．     

Aeroengine Fault Diagnosis Method Based on Optimized Supervised Kohonen Network

To diagnose the aeroengine faults accurately,the supervised Kohonen(S-Kohonen)network is proposed for fault diagnosis.Via adding the output layer behind competitive layer,the network was modified from the unsupervised structure to the supervised structure.Meanwhile,the hybrid particle swarm optimization(H-PSO)was used to optimize the connection weights,after using adaptive inheritance mode(AIM)based on the elite strategy,and adaptive detecting response mechanism(ADRM),HPSO could guide the particles adaptively jumping out of the local solution space,and ensure obtaining the global optimal solution with higher probability.So the optimized S-Kohonen network could overcome the problems of non-identifiability for recognizing the unknown samples,and the non-uniqueness for classification results existing in traditional Kohonen(T-Kohonen)network.The comparison study on the GE90 engine borescope image texture feature recognition is carried out,the research results show that:the optimized S-Kohonen network has a strong ability of practical application in the classification fault diagnosis;the classification accuracy is higher than the common neural network model.     

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.