数据驱动的变速器传感器故障诊断方法

针对基于模型以及基于规则的故障诊断方法的局限性，运用数据驱动的方法对变速器传感器进行故障诊断。使用逐步回归算法建立传感器模型，将实际传感器输出与传感器模型输出相减得到残差序列；用小波包变换（WPT）对残差序列进行分解，提取节点的香农熵作为特征值；最后，用概率神经网络（PNN）对不同传感器故障的特征值进行识别。使用硬件在环仿真获取车辆行驶过程中的变速器信号对该方法进行验证。结果表明：该方法的诊断正确率达到98.50%，在不同的样本划分情况下诊断正确率变化很小。此外，还对其他多个变速器传感器进行了故障诊断，诊断正确率均在较高值，证明了该方法的普适性。     

传感器故障在线诊断和信号恢复的两级神经网络方法

目的研究控制系统中传感器软硬故障诊断和信号恢复．方法提出一种两级神经网络（ＮＮ）包括一个主神经网络和若干个局部神经网络方法．主神经网络负责诊断传感器故障,其输入为各传感器在时刻ｔ的信号,输出为各传感器在时刻ｔ＋１的信号．各局部网络负责传感器故障诊断和信号恢复．每一个局部网络对应一个传感器,局部神经网络输出为相应的传感器在时刻ｔ＋１的信号,其输入为其余传感器在时刻ｔ的信号．各网络均采用先学习,后工作的在线学习方法．结果与结论所述方法具有在线学习、故障误检率低、可以诊断多个传感器软硬故障的优点．对气垫船中传感器软硬故障诊断的仿真结果表明,该方法是行之有效的．     

基于小波包和RBF神经网络的压电加速度传感器故障诊断

根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。     

一种基于小波变换与神经网络的传感器故障诊断方法

传感器故障诊断在化工生产中有着重要地位。该文以小波变换与神经网络方法为基础,提出了一种传感器故障诊断的方法。该方法能够有效区分传感器故障造成的信号变化与过程本身正常波动造成的信号变化,同时在训练神经网络时只需要系统正常状态下的样本,克服了传感器故障样本稀少的困难。此外,该方法可以在传感器发生故障后估计出正常的模拟信号。实验证明,该方法能够有效完成故障诊断,并可以判断出传感器的故障类型。     

基于改进CNN-GRU网络的多源传感器故障诊断方法

提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.      

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略；首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性，学习结果后，将该神经网络作为控制器对系统实验控制，对一个具体的线性控制在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器，而且在系统发生未知故障时，同样具有容错性。     

多项式基函数神经网络模型

从函数逼近理论出发，用一组正交基函数作为三层前向神经网络各隐含单元的输出特性，以其加权和作为网络的非线性输出，构成一种单输入单输出正交基函数神经网络模型。建立了多输入的多项式基函数神经网络，并给出了非线性静态特性拟合，ＸＯＲ特性和动态特性拟合计算机仿真结果。     

基于神经网络预测器的单传感器故障检测方法

目的 研究单传感器的故障检测方法,方法 提出了神经网络预测器用于单传感器故障检测的实现方法,并给出了神经网络预测器的在线和离线学习算法。结果 本方法只需要一个传感器的输出信号就可检测系统中的传感器是否发生故障,如果对系统中多个传感器建立神经网络模型,可以检测控制系统中多种类型的以及多个同时发生的传感器故障。结论 用汽车发动机仿真实验可以表明本方法是行之有效的。     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略：首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性．学习结束后，将该神经网络作为控制器对系统实施控制．对一个具体的线性系统在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器．而且在系统发生未知故障时，同样具有容错性．     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S(Dempster-Shafer)证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

多重遗传神经网络在微量特征气体临界值识别中的应用

将气敏元件阵列技术和遗传神经网络相结合，检测了电力变压器油中的4种微量故障特征气体(1×10     

基于RBF神经网络的温度传感器故障诊断

采用RBF神经网络进行温度传感器故障检测,利用TE （Tennessee-Eastman）控制系统中的温度传感器的输出信息建立动态神经网络温度传感器输出模型,并利用该模型进行在线的故障检测,仿真结果表明该模型有很强的抗干扰性,同时还有较好的收敛性和稳定性.     

一种多传感器冗余的神经网络算法研究

把传感器硬件冗余技术,BP网络以及串闻联Elman递归神经网络结合起来,提出一 各新方法用于构造具有传感器故障检测,分离且具有冗余能力的智能传感器系统,这可以减少硬件冗余技术中使用传感器的个数,消除硬件冗余技术中对冗余传感器应具有相同参数特性的要求,同时可以提高系统预报的准确性,仿真结果验证了这一方法的有效性。     

基于电话的远程湿度控制系统及其非线性修正

介绍了一种基于电信网络和MODEM技术的远程湿度控制系统,阐述了该系统的功能,并给出了系统的硬件组成和软件设计,分析了湿度传感器的特性,表明测量范围较宽时,传感器的输出易受环境的影响,并且成非线性的关系,提出一种神经网络共轭梯度算法对湿度传感器非线性特性进行修正的方法,结果表明,修正后的湿度传感器能在较宽的测量范围内输出高线性度的信号。     

SOS压力传感器温度的补偿

分析了硅 蓝宝石(SOS)压力传感器的温度特性,表明测量范围较宽时,传感器的输出易受环境温度的影响,并且成非线性·提出一种基于神经网络共轭梯度算法的硅 蓝宝石压力传感器温度补偿方法·利用神经网络共轭梯度算法具有逼近任意非线性函数的特点,通过训练使神经网络建立在不同环境温度下传感器输出与其实际感受的电压值之间的非线性映射关系,实现硅 蓝宝石压力传感器温度补偿·计算机仿真表明,该方法不仅能有效地消除温度的影响,而且能在神经网络的输出端得到期望的线性输出·     

A novel fully-integrated miniature six-axis force/torque sensor

This paper presents a new designed miniature six DOF （degree of freedom） force/torque sensor. This sensor is fully integrated with a micro DSP （digital signal processor）, so all the signal conditioning, A/D, decoupling, digital-signals serial output are performed in the sensor. Some experimental results are presented to demonstrate the capability of the proposed design. Finally, a neural network was used for decoupling the interacting signals, compared with the conventional method using the inverse matrix, this new method is more accurate.     

一种新型前向神经网络用于汉语四声识别

提出了一种新型的前向神经网络，并研究了其在语音识别中的应用。该神经网络为只含一层非线性隐层的前向神经网络，以线性的输出层代替一般ＢＰ网络的非线性输出层，可以更准确地，范围更大地完成非线性函数估值功能。该神经网络采用了包括反向传播算法及最小均方算法的混合算法进行训练，可以减少落入局部最小点的概率以及提高收敛速度。     

基于多传感器融合的磨削砂轮钝化的智能监测

利用多传感器信息融合技术 ,通过模糊分类的方法对不同的磨削条件进行模糊化处理 ,构建了砂轮钝化监测多传感器融合系统结构 ;应用BP神经网络将磨削过程中声发射、磨削力和功率传感器信号合理融合 ,提出了自适应变学习率策略 ,将其神经网络输出的信号特征值作为表征砂轮钝化状态识别的判据 ,进行了砂轮钝化监测实验·结果表明 ,使用多传感器信息融合方法比使用单一传感器方法识别率高 ,监测效果好 ,并可实现智能监控和及时修整砂轮     

基于神经网络的光纤光栅压力传感器的温度补偿

针对光纤光栅自身对温度和应变的交叉敏感性,以及光纤光栅压力传感器的输出受环境温度影响很大且不易消除的问题,以聚合物封装的光纤光栅传感器为例,提出了用BP神经网络实现光纤光栅压力传感器温度补偿的方法,解决了传感器输出特性的非线性校正的问题．通过Matlab仿真结果显示,系统最大测量误差由1915％降低到4．26％;实验证明该方法可以有效地减少温度对光纤光栅压力传感器测量精度的影响．