基于神经网络调速系统故障诊断的数学模型

水轮发电机的调速系统是水轮发电机进行负荷和频率调节的重要元件，对调速系统自身故障进行准确、快速的诊断十分必要。通过对调速系统运行、实验和故障特点的分析，引进先进的人工神经网络的方法，建立了一种新型的调速系统故障诊断模型，对生产实际有很大帮助。     

液压系统故障诊断方法综述

本文研究了液压系统故障诊断方法的发展历程及研究现状,并综合分析了各种诊断方法的原理、优缺点及使用情况,可为相关技术研究提供参考。     

基于神经网络的电梯门系统故障预测方法的研究

为了保证电梯系统安全可靠地运行,需要对电梯进行故障预测.论文分析了电梯系统故障预测的重要性及神经网络预测原理,提出了基于神经网络的电梯门系统故障预测方法.仿真结果表明了该方法在电梯门系统故障预测中的有效性.     

基于Logistic回归深层神经网络的电力系统故障概率诊断

故障诊断软件作为SCADA系统中的标准模块,仍存在着误报率高的问题.针对该问题,本文提出了基于Logistic回归深度学习的故障诊断新模型及算法,以进一步提高诊断的准确率.该新模型及算法的构建过程如下:首先,对于每一元件均建立回归型深度学习神经网络(DNN),其输入为处理成1/-1之后的元件故障特征向量,其输出为相应元...     

基于灰色神经网络的变频调速系统故障诊断的研究

本文针对变频调速系统电机转子出现的振动异常现象,提出了一种基于灰色神经网络的变频调速系统故障诊断方法,该方法不仅具有灰色故障诊断方法准确率高、计算量小等优点,也同时具备了神经网络强大的并行处理能力和良好的容错性。实例证明,该方法简单易于实现,诊断精度较高,为变频调速系统的故障诊断提供了另一个有效途径。     

船舶液压系统故障诊断方法

在总结和分析目前液压系统故障诊断方法的优缺点后,根据液压系统的特殊性,提出以船舶液压系统功率流为基础的注压系统故障诊断方法,并以实例说明其正确性及有效性。     

基于模糊神经网络的非线性系统故障诊断及应用

通过对系统的整体功能的分析,得到一组该系统输入输出的期望值。首先由这一期望值入手,经过聚类分析得到系统正常状态下的各节点数据,然后制定模糊规则,并用模糊控制的方法分析系统可能出现的故障,最后以其作为神经网络的神经元对整个系统进行故障预测,仿真结果表明该方法是有效的。     

基于BP神经网络的变压器故障诊断方法

本文利用BP神经网络对变压器进行故障诊断。该方法以变压器油中特征气体的含量作为输入参数,输入到经过训练之后的BP神经网络,经过实际输出与期望的对比分析表明,采用该方法对变压器进行故障诊断是有效的。     

液压系统故障诊断方法的探讨

列举了液压系统故障诊断的一些方法，分析了利用仪器测量法来诊断故障时回路中的接法，通过分析得出结论：目前液压系统故障诊断方法之一是将液压回路比拟成等效的电气回路。     

谈液压传动系统故障的诊断方法

机械制造自动化的持续发展使得各类先进的设备得到了广泛的运用,数控机械的运用使得机械加工的自动化、智能化、一体化成为了现实,使工业企业的生产产量、质量等得到很大的提升。在自动化机械设备中,液压传动系统是极为重要的控制系统结构,利用液压传动可完成数据系统程序下达的信号指令,保证了数控设备按照原先设计好的指令完成加工处理。对液压传动系统故障科学诊断可维持设备正常的运行,鉴于此,本文主要分析了液压传动系统的原理构成及故障诊断方法。     

基于自适应神经网络的电路系统故障诊断研究

针对人工神经网络的特点,对传统BP算法进行了全面改进,通过采用自适应学习率和动量因子修正等方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以电路系统的故障诊断为例,引入了模糊数学中的隶属度函数,对故障特征量进行处理后作为自适应神经网络的输入,故障编码作为网络的输出。实验仿真结果表明,该系统对电路故障类型能够有效地进行诊断和识别。     

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。     

基于神经网络的故障诊断推理方法

针对传统诊断技术的局限性,研究了基于ＢＰ模型神经网络的故障诊断推理方法,它只需选择足够的具有代表性的故障样本训练神经网络,将代表故障的信息输入给训练好的神经网络,根据神经网络的输出结果,就可以判断发生故障的类型．神经网络一旦训练好,由于其具有容错性,不仅能诊断出已经出现过的故障,还能在一定范围内诊断出从未出现过的故障,使故障诊断智能化和简单化．仿真结果表明,基于神经网络的故障诊断方法是行之有效的     

基于BP神经网络的水轮机调速系统故障诊断

调速系统在发电机及电力系统中有着举足轻重的地位,能迅速地找出调速系统故障并及时地排除故障,对电力系统的安全运行具有重大意义。文中通过对葛洲坝水力发电厂二江电厂调速系统大量故障现象、故障原因、故障样本的收集、分析和整理,利用BP神经网络建立了水轮发电机调速系统智能诊断模型。该网络采用了三层结构、17个输入量、13个输出量的故障诊断系统,较完善地反映了调速系统的故障类型.累故障诊断实例检验,该系统诊断结果正确,有良好的实用价值。     

改进型补偿模糊神经网络故障诊断系统

在模糊逻辑与神经网络融合的基础上,引入补偿运算单元,构成补偿模糊神经网络,使网络从初始定义的模糊规则进行训练,再动态的优化模糊规则,提高网络的容错率和稳定性.针对网络训练的不同阶段对学习速率的不同要求,提出一种具有分段可变学习速率的补偿模糊神经系统,可以提高网络的整体性能,实现动态的、全局优化的运算.故障诊断仿真研究表明:模型具有更好的收敛特性,能够大大的缩短训练时间,减少训练步数,提高误差精度.     

基于神经网络推理的故障诊断专家系统

本文利用神经网络(NN)的知识并行处理、自学习及联想记忆等功能，建立了基于神经网络推理的专家系统论述了NN的结构、算法参数的确定、系统知识获取和离线／在线自学习功能，提出了NN数值推理和ES深层逻辑概念相结合的输入／输出转换机制与NN推理的解释机制．研究表明系统具有良好的实用性。     

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     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

基于粗糙神经网络的故障诊断技术研究

针对故障诊断中设备监控数据越来越多的特点,提出用于故障诊断的粗糙神经网络模型。此模型的创新点是基于SOFM网络和差别矩阵的离散化算法,此算法不但指导属性划分类数,而且保证了得到最优属性约简,同时,充分利用了粗糙集和神经网络的故障诊断能力来保证诊断结果的准确性和彻底性。实践证明:此模型在工程上有着很好的适用性和可信性,能够为解决现代工业工程中的故障诊断提供有效的参考。     

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。