基于分级模糊神经网络的水电机组故障诊断

针对水电机组发生故障时,故障征兆与故障原因之间复杂的对应关系,提出了一种新型的基于低、中、高3级模糊神经网络的故障诊断结构模型和相应的学习算法,并以此方法对该分级模糊神经网络进行了仿真训练.仿真实验结果表明,该方法能有效地对水电机组单故障与多故障样本进行分类,可提高诊断准确率.     

基于专家系统的水电机组振动故障诊断研究

提出了一种开发水电机组故障诊断专家系统的设计思想及实现方法，通过采用产生式规则来表示知识，运用正反向推理机制，动态丰富知识库，实现水电机组振动的在线（离线）监测和故障诊断，并提供诊断结果和相应的故障处理措施，为水电厂从计划检修向状态检修提供可靠的技术保证，该系统具有人机界面友好，运行速度快，信息存储量，开发周期短，易于维护，扩充等特点。     

水电机组故障诊断中的推理策略

在水轮发电机组监测与故障诊断专家系统中，推理机的设计是专家系统的核心．针对水电机组的特点，讨论了知识的表达方式、专家系统推理机推理策略的实现，并讨论了规则可信度的计算．该推理方法用于白莲河水电站监测与故障诊断系统中，成功地对机组的故障原因进行了推理，证明该推理方法是可行的，并为其他电站故障诊断推理机的设计提供了参考。     

水电机组故障诊断专家系统中知识库的设计

以水电机组为研究对象，对故障诊断专家系统知识库的建立从理论上和方法上进行了研究，建立了基于C 的产生式知识库系统。该方法已在白莲河水电站水电机组故障诊断专家系统知识库中获得应用，取得了良好的效果。对其他电站水电机组专家系统的建立有推广意义。     

水电机组故障诊断系统中的模糊诊断技术研究

介绍了在水电机组故障诊断系统中采用的模糊诊断技术,构造了故障诊断的模糊关系矩阵.此模糊知识已成功地应用于实际水电厂的故障诊断系统中,在故障诊断系统的使用过程中得到进一步的充实和验证.在整个系统的多年运行中,此诊断方法成功地诊断出如转子不对中、尾水管偏心涡带等机组运行问题,为电厂的维修与管理提供了有价值的依据与参考。应用效果表明,使用模糊诊断方法于水电机组故障诊断中是有效的,模糊关系矩阵也在故障诊断系统的使用过程中得到进一步的充实和验证.     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。对此提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。     

基于CP-ANN对向传播神经网络的变压器故障诊断

变压器油中溶解性气体分析是变压器故障诊断的重要手段,其中改良三比值法是目前被广泛采用的方法。针对当前变压器故障诊断系统存在的不足,建立了变压器故障诊断的对向传播神经网络(CP-ANN)模型,对5种变压器故障类型进行诊断,采用5-折交叉验证对模型性能进行评价。实验结果表明,模型能够对33个故障样本中的32个样本的故障类型进行准确识别,模型在校正集和验证集上的准确率分别为97%和81.8%,模型稳定性较好,说明本文提出的变压器故障诊断方法是可行和有效的。     

水电机组故障诊断专家系统中图形征兆的提取

将小波包分解及重构技术用于转子轴心轨迹提纯，利用离散余弦变换实现轴心轨迹的自动识别，结合水轮发电机组故障诊断系统，实现了轴心轨迹图形征兆的提取，论证了所述方法的合理性和可行性．利用该方法提高了系统的诊断速度和精度．     

基于虚拟仪器的水电机组振动监测系统设计

介绍了基于C++Builder开发平台和研华PCI-1715U数据采集卡的水电机组振动测试系统,通过设计相应的系统硬件和软件,可以对水电机组的运行状态进行实时振动监测和各种数据分析,为水电机组的状态监测提供了很好的技术手段.     

智能诊断技术在水电机组振动故障诊断的应用

通过对智能诊断技术发展状况的认识,了解到智能诊断技术的特点和发展中优势,为智能诊断技术在水电机组振动故障诊断中的应用奠定了有效的基础。通过具体对智能诊断技术的实际应用,建立了水电机组振动故障诊断的有效体系,建立了稳定运行和发展的水电机组。     

基于神经网络的水轮发电机组振动故障诊断专家系统的研究

针对神经网络的缺陷和水轮发电机组振动故障原因多、征兆多的特点，利用网络分块技术，把BP网络规模控制在可以接受的范围内，并将专家系统与神经网络相结合，较好地解决了知识获取和自学习的问题。通过实例验证，该网络模型能有效地分离各种故障类型，在水轮发电机组振动故障诊断中具有一定的诊断能力。     

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神经网络诊断桥梁结构故障

改进BP算法加快其收敛速度,将其应用于诊断悬梁板的故障.通过仿真实验验证该算法可行有效,可实现故障裂纹位置的预测,提高故障识别率28.01%.     

基于PCA与神经网络的雷达故障组合诊断方法

针对目前单一诊断方法的缺陷,提出了一种基于主元分析方法(PCA)和神经网络的组合故障诊断方法.利用多PCA来监测雷达状态,在雷达状态异常时再通过分析变量贡献率来确定故障部位,最终采用神经网络进行故障诊断.仿真实验了该方法的有效性.     

基于Kohonen神经网络的故障诊断方法

针对传统故障诊断技术的不足,提出一种基于Kohonen神经网络的故障诊断方法,其使用一种由邻域函数决定权重调整程度的改进SOM算法进行学习,避免基本SOM算法中调整权重前的邻域判断过程,有利于提高网络的学习速度和自适应性.以齿轮故障诊断为例进行Matlab仿真实验,实验结果表明该方法不但可行,而且诊断速度快、准确率高.     

基于改进堆叠式循环神经网络的轴承故障诊断

提出基于改进堆叠式循环神经网络的轴承故障诊断模型.利用深层网络极强的非线性拟合能力以及循环神经网络特有的沿时间通道传播的特点,通过门控循环单元解决堆叠式循环神经网络梯度消失的问题,实现对轴承健康状况的分类识别.利用美国凯斯西储大学轴承数据集进行了轴承故障诊断试验,同时将支持向量机、粒子群优化的支持向量机、人工神经网络、卷积神经网络AlexNet以及循环神经网络作为对比以检验所提模型的分类性能.结果表明,提出的模型能够对轴承故障进行有效诊断,并且具有一定的可靠性与泛化能力.     

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。     

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     

基于改进的RBF神经网络的配电网故障诊断模型

结合梯度下降算法和进化算法对RBF神经网络进行改进,建立了基于改进的RBF神经网络的配电网故障诊断模型.配电网故障诊断实例表明,基于改进的RBF神经网络的配网故障诊断模型具有较高的诊断精度.     

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。