基于神经网络预测的网络控制系统故障检测

考虑一类长时延网络控制系统,假定其存在输出时延,对其进行故障检测。通过对网络控制系统时延采样值进行神经网络预测,使之成为无延迟的控制系统。在此基础上,建立了基于神经网络预测的故障观测器误差方程,并证明了该观测器稳定的条件。当系统正常时,只要给定的不等式条件成立,该观测器系统就是稳定的。当系统发生故障时,观测器残差能够迅速发生跳变,从而检测出故障的发生。最后通过仿真示例说明该文方法能够较好预测网络时延,发现系统故障。     

基于BP神经网络的全断面岩石隧道掘进机刀具系统故障预测研究

目的 研究滚刀故障机理并实现对全断面岩石隧道掘进机(Tunnel Boring Machine,TBM)刀具系统的故障预测,分析滚刀故障对系统驱动端参数的影响,提高刀盘掘进效率.方法 基于Adams软件建立驱动系统动力学模型并进行仿真分析;提出并建立具有5-12-5形式网络结构的TBM刀具系统故障预测BP神经网络模型;...     

基于神经网络的摊铺机液压系统故障诊断方法

以摊铺机液压系统为研究对象,提出了基于神经网络的故障诊断模型。结合BP神经网络基本知识和摊铺机液压系统故障的特点,研究了诊断知识的获取方法,设计了摊铺机液压系统故障诊断网络的基本结构。通过与模糊理论相结合研究了输入输出特征向量表达和获取的具体方法,提高了故障诊断神经网络模型的实用性,并提出改进学习效率和动态BP算法可以提高故障诊断神经网络的性能。     

基于自适应神经网络集成的电子设备故障预测方法

为了实现装备的主动维修,针对电子设备故障预测问题,提出了一种基于自适应神经网络集成(ANNE)的电子设备故障预测方法。首先利用FCM 聚类算法生成个体网络训练样本,从而确定了神经网络集成的规模。ANNE 根据故障序列样本与个体网络训练样本的相似度动态调整权值,自适应神经网络集成根据装备故障历史数据建立故障预测模型,根据当前时间预测故障间隔时间。仿真实例证明,该方法对平稳的故障间隔时间数据进行故障预测的精度较高。     

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。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立系统的神经网络模型问题，训练好的神经网络可作为预测模型，实现非线性系统的预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

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。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立的神经网络模型问题。训练好的神经网络可作为预测模型，实现非线性系统预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

基于遗传神经网络的产品价格预测方法

应用遗传神经网络方法，建立了工业产品预测的神经网络预测模型，并运用遗传算法对建立的神经网络模型的结构和推理参数进行优化，使预测结果更加准确，为工业项目的投资评估提供了一种更为合理的预测方法．     

基于RBF神经网络的锅炉燃烧系统故障诊断

为了提高锅炉燃烧控制系统的可靠性,针对热力系统自身的特点,基于热力系统的解析冗余理论,提出用RBF神经网络构建状态观测器,对传感器和执行机构进行故障检测与诊断的新方法。采用正交最小二乘法(OLS)训练神经网络。在锅炉负荷控制系统中采用这一方法,对传感器和执行机构构建状态观测器,通过分析比较传感器及其观测器输出和残差、执行机构及其观测器的输出和残差,就可以进行故障诊断。实验结果表明:该方法可以有效地进行锅炉燃烧控制系统故障检测和诊断。     

基于模糊神经网络的摊铺机智能故障诊断系统

针对沥青摊铺机故障原因的复杂性与不确定性，综合运用模糊推理、数据库、人工智能、专家系统等理论，完成了沥青摊铺机智能故障诊断系统总体结构设计，建立了基于BP神经网络的沥青摊铺机故障诊断系统，利用推理规则模块并结合摊铺机工作状态参数进行推理，能迅速判断推铺机故障原因，从而保证了推铺机的正常工作。该系统的研究为沥青摊铺机智能故障诊断系统的开发提供了理论依据。     

突发传染病的小波神经网络预测

利用小波神经网络对突发传染病的预测进行研究。给出密度函数的小波估计的计算公式,提供了小波神经网络结构设计的理论框架。用小波函数作为隐层节点激活函数,神经网络连接权的大小由小波函数的系数确定,取数据库中的监控数据为训练样本,对小波神经网络进行训练学习,得到优化的神经网络。给出小波神经网络学习过程和具体步骤,用小波神经网络对突发传染病历史数据库中的已知数据,进行未知密度函数的小波估计,得到相应的小波估计函数和分布函数,在显著性水平下做拟合检验,构造激活函数,得到输出结果,进而进行预测,验证其有效性和可行性,最后总结问题的关键和今后研究的方向。     

基于BP神经网络的沼气工程故障诊断专家系统

针对传统专家系统的知识获取困难、推理能力差、智能水平低和实用性差等缺点,阐述了BP神经网络运用于农村沼气工程故障诊断专家系统的设计思想,应用专家系统与数据结构的有关知识和面向对象的设计方法,设计了农村沼气工程故障诊断专家系统知识库,提高了农村沼气工程故障诊断效率,为故障诊断专家系统的知识库设计提供科学有效的方法.     

基于神经网络专家系统的卫星姿态确定系统故障诊断

介绍了一种基于人工神经网络与专家系统相结合的智能故障诊断系统,将专家系统与神经网络结合运用取长补短,发挥各自的优势.给出了系统的结构组成,并具体描述了神经网络专家系统的工作原理.采用的RBF网络有效地克服了BP网络收敛速度慢,且易陷入局部极小的缺陷.同时利用神经网络的并行处理功能,有效地解决了传统专家系统的推理复杂、时间冗余等缺点.仿真结果证明了该方法应用于卫星姿态确定系统的故障诊断是有效的.     

基于神经网络的三相电缆故障预测定位系统

为实现三相电缆故障准确定位,在大量实测数据的基础上,用L-M数值优化改进的BP算法建立了复杂非线性电缆故障预测定位系统输入信号与故障距离之间的数学模型,设计了基于BP神经网络的电缆故障预测定位系统,实现了三相电缆短路或接地故障的预测定位功能。仿真结果表明,故障距离的预报误差在指定范围内,预报精度可靠。     

粗神经网络及其在股市预测中的应用

给出由粗神经元及一般神经元组成的前向粗神经网，用它预测上证指数，每个神经元是由一对神经元构成的，一般情形下，两个神经元用四边连接，而一个粗神经元和普通神经元用两边连接，给出了误差后向传播算法，分析与计算表明，粗神经网络用于股市预测是可行的，结果也较准确。     

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.     

基于神经网络的模拟电路故障诊断

探讨了基于故障字典法和基于神经网络的故障诊断方法,利用自组织特征映射神经网络进行模拟电路故障诊断,根据神经网络的输出结果可以判断发生故障的类型.自组织特征映射神经网络聚类能力强、速度快,因此很适合复杂系统的故障诊断.     

基于模糊神经网络的茶园拖拉机远程故障诊断系统

针对茶园拖拉机传统故障诊断对故障信息的采集存在严重滞后性的问题,提出一种基于模糊神经网络(fuzzy neural network,FNN)的茶园拖拉机远程故障诊断系统(remote fault diagnosis system,RFDS).该方法融合模糊算法和神经网络的优点,通过对车辆运行的实时监控,远程处理车辆信息,获取车辆潜在的故障和实时故障信息,避免了传统方式需进行的大量检测,为维修争取到了更多的时间,提高了生产效率.该系统以仿真软件Carsim为基础,利用Carsim实时模拟车辆运行情况,通过训练集和测试集对算法模型进行训练和验证,结果表明:FNN诊断算法满足系统性能要求,准确率可以达到90％以上,可远程准确诊断茶园拖拉机故障.此外,RFDS技术对于车辆的开发也有重要的作用,可以在车辆的研发阶段通过远程故障诊断系统进行车辆性能评估,节省了大量的人力资源.