具有逆变电源负载的柴油发电机系统仿真研究

建立了具有逆变电源负载的小型柴油发电机系统的Simulink仿真模型，其中逆变电源本身又具有冲击性负载，柴油发电机有转速和励磁自动控制环节。仿真试验得到了柴油发电机转速、输出机械功率、励磁电压的变化规律，励磁调节过程的曲线；发电机端口输出电量的变化规律；逆变电源的闭环调节过程和参量的变化规律；发电机电动势及输出电压的谐波分析、频谱分析和总谐波歧变率分析。对比了负载不变和负载冲击变化时对系统参量的影响。仿真试验结果与实际相符，本仿真模型是独立供电系统和移动电源系统计算机辅助分析和设计的有效工具。     

基于神经网络的故障模糊诊断研究

文章用模糊算子代替标准的传递函数，利用征兆、规则、故障间的逻辑关系进行故障诊断，构造了四层模糊结构，给出了诊断的知识流程、机理分析和诊断步骤，并推导出一种能加快网络收敛速度的故障诊断及改进算法．在对某J8-wp13发动机滑油典型故障样本和非故障样本的仿真中，诊断结果良好．     

单相全桥SPWM逆变器的仿真研究

建立了单相全桥电压型SPWM(Sinusoidal Pulse-width modulation,正弦脉宽调制)逆变器的数学模型,分析了设置死区时系统中IGBT(Insulated-Gate BipolarTransistor,绝缘栅双极晶体管)的通断状态,用MATLAB/Simulink中的基础模块模拟逆变器的工作状态、死区效应、死区补偿和控制系统,用数学分析和实验波形对仿真结果进行了验证.该方法可用于揭示逆变器的死区效应,补偿效果和控制系统的静、动态响应.     

多版本编程技术在故障识别中的应用与仿真

通过分析网络性能数据来发现和识别故障是网络故障管理的重要手段之一，本文研究并提出了一种基于神经网络的故障识别方案，通过分析网络性能的数字特征来识别大型网络中的故障，为了提高系统的识别率，引入了软件工程中多版本编程技术，并行训练多组神经网络，由多数决投票机制合成为一个系统，同时定义了神经网络之间的错误关联系数概念，依据计算机仿真的结果，选取错误负相关的神经网络所组成的系统，对测试集能够达到100％的识别率。     

应用自组织映射神经网络进行模拟电路故障诊断和仿真研究

讨论了一种应用自组织特征映射神经网络,建立并快速查找模拟电路故障字典的方法,该方法对单、多软硬故障的识别快且有效。同时,利用神经网络的泛化性,有效地克服了容差因素对故障定位的影响。     

基于系统仿真的故障检测与辨识技术研究

将系统仿真技术应用于故障检测与诊断 ( FDD) ,提出了通过实测信息的在线交互解决理论轨线偏差的思想 ,建立了基于系统仿真的 FDD逻辑结构 ,针对 MIMO系统和线性动态 -测量系统构造了具有良好统计性质的故障辨识算法 ,为故障检测、故障辨识、故障时间确定和故障模式识别提供了新的技术途径 .本文的思想和方法不但可用于 CVDS的故障检测与诊断 ,对大规模复杂系统故障分析也具有供鉴和参考价值.     

基于神经网络的输电线路故障检测研究

在研究现有架空输电线路故障检测系统不足的基础上,提出了一种基于神经网络的输电线路故障检测系统.该系统以复杂结构的10KV架空输电线路为研究对象,利用分布在线路上的数据采集设备得到线路电气参数的相应数据并进行编码;通过载波通信将数据传送给控制中心;在控制中心对各参数数据解码和去噪;然后将每个参数进行分段数据采样输入经反向传播算法(即LMBP算法)训练的三层结构的神经网络进行分析,最后进行统计处理输出故障信息.采用EMTP仿真实验表明,本文故障检测系统准确率较其它故障检测系统有较大提高.     

神经网络的记忆与思维机制的仿真研究

本文采用计算机仿真的方法，对神经网络的记忆模型和思维机制进行了研究和分析，并给出了仿真结果。通过研究，加深了对神经网络的信息获取，记忆，推理，模式识别和联杨等高级智能活动规律的认识。     

模糊建模与控制的神经网络方法及其仿真研究

本文提出了一种复杂系统模糊建模及控制的神经网络方法。利用改进的ｐｉ－ｓｉｇｍａ 网络，对模糊规则的结论参数和隶属函数进行在线修正，实现模糊规则的自组织。这种方法被用于降水量预报和机器人解耦控制，取得了满意的仿真结果。为增强神经网络仿真算法的快速性，本文采用了一种基于向量的数据结构，并用标识阵指示神经元的连接状态，以实现有效的内存运算。     

IP网路由故障的产生与仿真检测

IP网路由故障的检测与诊断是计算机网络领域一个很值得研究的问题。通过详细分析IP网中可能产生路由故障的几种原因,提出了一种利用现代网络仿真技术为工具来准确检测和定位IP网络中路由故障的新方法,并对这种方法的有效性进行了评估和分析。     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。     

石油化工SDG故障诊断仿真试验系统

基于SDG深层知识模型的推理方法是一种完备的揭示系统故障的有效方法，石油化工的SDG故障诊断方法也是当前研究的热点问题。系统仿真技术在故障诊断系统中发挥了特殊的作用，建立用于故障诊断的仿真试验系统是必要的。本文给出了该系统的硬件和软件结构，讨论了其中的关键技术。该试验系统可用于辅助建立SDG故障诊断模型、阈值修正、案例试验、模型验证及模型简化等，并可依据国际标准对诊断系统进行系统安全整体性要求测试，包括软件可靠性试验和硬件可靠性试验。     

基于动态模拟的化工过程故障诊断

化工过程中的故障检测与诊断多通过对历史数据和知识的分析来进行.提出了一种新的故障检测与分析方法,利用动态模拟来监测化工过程,并在过程发生异常时及时进行故障诊断.这种方法所针对的是可由动态模型内部参数来表征的一类故障,这些参数可通过动态模型的在线校正获得.该方法不需要设计观测器来估算过程的不可测变量,还可以将故障检测和诊断任务同时进行.该方法被应用于了重力水箱系统和庚烷芳构化反应器系统,并同传统的参数估计方法进行了比较.     

基于定性推理与定量仿真集成的故障诊断推理

阐述了故障诊断推理过程中知识的概念、类别和关系，从知识的获取、组织和表示等方面对定性和定量知识的集成进行了研究，并提出了基于定性推理和定量仿真集成的综合诊断推理方法，结合复杂系统试车数据的仿真诊断结果表明，该方法能有效地消除推理结果中的奇异性，从而改善了定性推理方法的性能。     

基于BP神经网络的故障诊断方法

提出了一种表示故障的模型 ,然后为其建立了基于 BP(逆向传播 )模型的神经故障诊断网络 ,给出了该网络的训练算法和故障诊断步骤 ,并提供了在雷达系统设备上对某些部件的仿真调试诊断实例 .     

基于粒子群算法的抽油机故障诊断研究

提出了一种动态改变学习因子的粒子群算法,用以保证在粒子群优化算法的初始阶段,使粒子在进化初期仔细地在自身的邻域内搜索,防止粒子快速向局部最优解汇聚而错过自身邻域内可能存在的全局最优解,而在进化后期,使粒子快速、准确地收敛于全局最优解,提高算法收敛速度和精度。利用改进后的粒子群算法优化神经网络的权值和阈值,并把优化后的神经网络应用到抽油机故障检测中,结果表明用改进后粒子群算法优化的神经网络对抽油机进行故障诊断较传统BP算法更具准确性与快速性。     

基于小波包和Elman神经网络的螺杆泵井故障诊断

在螺杆泵井故障诊断技术中,有功功率信号最能全面反映螺杆泵井的泵况。提出一种基于小波包分析结合Elman神经网络的故障诊断方法,该方法采用小波包对螺杆泵有功功率信号进行消噪滤波,将不同频段的故障信号进行3层db4小波包分解,根据各频段功率谱的变化提取故障特征,应用Elman神经网络进行识别。利用Matlab仿真,结果表明,该方法能有效提高螺杆泵井的故障诊断准确性。     

基于仿真的故障诊断专家系统应用研究

针对某自行高炮火控系统的故障诊断,为解决其知识获取的“瓶颈”问题,提出了一种计算机仿真与人工智能相结合的知识获取方案。该诊断系统采用多种推理方法相结合的集成推理策略,可以有效地提高故障诊断的可靠性。多次的故障诊断实验表明,此系统不但突破了知识获取的瓶颈,而且具有很高的故障识别率。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。