基于故障树与BAM神经网络的智能故障诊断方法

在研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中应用的基础上,提出了一种融合FTA和BAM的故障诊断方法。故障树存贮了系统关于顶事件发生的全部知识,利用FTA得到系统所有的故障模式,进而归纳出BAM的学习样本,即故障树中故障现象(监测点状态组合)和底事件发生与否之间的对应。BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。用上述方法进行仿真分析,结果表明该方法用于解决此类问题是有效的。     

基于模型和故障树的飞机故障诊断方法研究

随着科技的进步,航空工业迅速发展,大量高科技机载设备的使用大大增强了飞机的性能,但同时也增加了系统的复杂性和设备之间的耦合度,进一步增加了飞机系统故障诊断的难度。单一的故障诊断方法由于其局限性,很难满足复杂装备的诊断需求,因此,不同故障诊断方法相互融合的综合故障诊断技术成为航空领域研究的热点。本文针对飞机外场排故的实际需求,提出了基于模型和故障树的故障诊断方法,其原理是,根据外场模块化排故的特点和飞机设计知识,建立以LRU(外场可更换单元)为对象的飞机物理模型(基于LRU的简化飞机系统模型),描述针对特定功能的系统结构、行为和功能,再针对LRU建立故障事件,根据LRU之间的连接关系分析故障事件之间的逻辑关系,建立故障的传播路径,通过树的合成算法,生成系统故障树模型。在故障诊断时,通过物理模型和故障树的相互配合进行故障诊断,基本思想是,将物理模型作为故障观察窗口,比较系统在正常情况下的预期行为和实际行为之间的差异,判断故障事件是否发生,利用故障树的逻辑关系进行推理,再将推理过程在物理模型上进行直观展示,模拟LRU之间的故障传播,确定疑似故障件。基于上诉方法,利用Dorado平台和G2开发系统开发了基于模型和故障树的飞机外场故障诊断系统,并结合某型号飞机的刹车系统对该故障诊断方法进行了验证。     

基于FTA的飞机液压刹车故障诊断专家系统

故障诊断专家系统可以指导人员快速准确地排除各种故障.结合故障树分析法(FTA)建造专家系统的知识库,可以解决专家系统知识获取的"瓶颈"问题,提高推理效率.用故障树分析法对某型飞机液压刹车系统的故障进行了研究,绘制了故障树并定性分析.故障诊断专家系统在实际应用中取得了较好的效果.     

BAM神经网络的稳定性分析

研究BAM神经网络的理论,并讨论其稳定性,从而得到了它能纠错的结论.     

BAM网络在飞机空中特情处置中的应用

提出了将BAM网络用于飞机空中特情处置的方法，探讨了利用BAM网络映射飞机上故障代码信息与特性处置措施的关系，实现对飞行员进行正确操纵提示，具体实现方法表明，这种方法可以高效地完成类似任务，为进一步开展将神经网络应用于飞机故障诊断，特情处置等研究提供了一种有效的方法。     

脉冲时滞BAM神经网络稳定性研究

研究了带有脉冲的时滞双向联想记忆(BAM)神经网络的稳定性问题.通过对网络系统的研究,根据脉冲的特点,采用Lyapunov稳定性理论和一些矩阵分析的技巧,得到了脉冲时滞BAM神经网络的稳定性结论,其中包括稳定点的唯一性判据和稳定性的判据,说明脉冲时滞BAM神经网络的稳定性问题是网络本身的特性,最后通过数值算例验证了论文的可行性和有效性.     

基于FTA的飞行模拟机故障诊断专家系统

将故障树分析法与故障诊断专家系统结合起来,提出了飞行模拟机故障诊断专家系统总体设计方案。构建了基于关系数据库的专家系统知识库。然后在此基础上设计实现了基于确定性和规则,具有深度优先搜索机制,进行反向推理的故障诊断专家系统。     

基于BP网络的飞机燃油系统故障诊断方法研究

对于飞机燃油系统故障诊断问题,提出了一种利用BP神经网络进行飞机燃油系统故障诊断的新方法。通过设计飞机燃油系统层次分类诊断模型,构建了专家系统知识库和推理机,利用CB工具开发了飞机燃油神经网络故障诊断专家系统。仿真结果表明,该系统很好地发挥了专家系统的智能性,能够快速准确地诊断出燃油系统的故障,完全适合于飞机燃油系统的故障诊断。     

BAM神经网络的稳定性分析

本文研究了BAM神经网络的稳定性问题,通过构造新的Lyapunov泛函,给出了此类系统平衡点渐近稳定的充分条件,并举例说明了结果的有效性和保守性.该充分条件对丰富和完善了神经网络的稳定性理论体系,具有积极的意义.     

基于神经网络方法的系统故障诊断

在Malek模型下，构造了一个连续Hopfied神经网络来解决多处理系统中最可能的故障处理机集问题，并对此方法进行了仿真。     

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     

模拟电路故障诊断的开关电流神经网络方法

以等效电源为变量,构造了线性模拟电路故障诊断的优化神经网络,基于罚函数方法提出了开关电流神经优化求解器,并给出实例,由Ｐｓｐｉｃｅ验证其可行性。     

基于多神经网络的分布式变电站故障诊断系统的研究

提出一种基于多神经网络的分布式变电站故障诊断系统的结构和构建方法, 它具有开发耗用低、易于维护、可在线诊断等特点, 并能有效的克服单个神经网络因结构复杂而产生的学习速度慢, 难以收敛等缺点     

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。     

基于神经网络的齿轮箱故障诊断专家系统设计

针对神经网络和传统故障诊断专家系统的不足,提出了一个把神经网络与专家系统相结合,发挥各自优点的基于神经网络的齿轮箱故障诊断专家系统设计方案。介绍了该系统的结构功能和主要特点,并阐述了该系统重要模块的实现方法。