SOM神经网络在储层流体识别中的应用

自组织特征映射（ＳＯＭ）神经网络能通过自组织有效地提取出各特征参数间的内在特征并映射到分类模板上，它可以用于各种模式识别问题。本文首次将ＳＯＭ网络引入到储层流体识别中，经研究表明其精度高于传统方法，说明该方法在解决复杂分类问题上的有效性和先进性，它在储层流体识别中的应用是成功的，值得推广。     

故障字典在轴承故障诊断中的应用研究

滚动轴承信号为典型的非平稳信号,具有很宽的频带,用复值谱和包络分析难以获得故障特征。针对这种情况,本文应用自组织映射对轴承故障进行了诊断,同时建立了轴承故障字典,该方法能够准确的诊断出轴承故障,为工程师提供更好的故障诊断辅助工具。     

SOM的聚类算法研究

自组织特征映射神经网络SOM（Self Organizing Feature Maps）作为一种优良的聚类工具,具有无需监督,能自动对输入模式进行聚类的优点,已经得到了广泛的应用．针对SOM可能出现“死结点”现象,文章引进了“良心”算法,实例证明是有效的．     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

基于自组织神经网络SOM的汽车安全气囊装配故障诊断

利用汽车安全气囊装配工序中已有的先验知识,构建并训练了一个自组织神经网络SOM的多传感器故障诊断系统。通过现场的多传感器采集设备运行数据信息输入故障诊断的系统,利用自组织SOM神经网络的聚类性能,得到装配工序中故障的类型,从而达到诊断汽车安全气囊装配工序的故障。通过无师自动学习的方式对输入信号进行分析,计算简单,精度高,具有很高的应用价值。     

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.     

Fuzzy ART及其在故障诊断中的应用

ＦｕｚｚｙＡＲＴ是近几年出现的一种新型ＡＲＴ技术,文中介绍了该技术的实现方法,并用它对实测的不同工况的机器振动信号进行自组织聚类,收到了令人满意的效果,分析结果表明,采用这种无督学习的神经网络具有有督学习神经网络所无法替代的优势。文中同时对该技术在故障诊断领域中的应用前景作了展望。     

自组织包络解调及其在轴承诊断中的应用

提出了自组织包络解调（ＳＯＥＤ）算法,利用这个算法对轴承振动信号进行分析,不但可以从其时域信号中提取出纯净的周期性冲击,而且还能将信号的频谱准确地恢复到其特征频率处,因此在具体诊断时,只要检验其特征频率处的幅值大小,即可判断故障。     

路由器在广域网中的应用

从路由器的基本原理出发，对路由协议、路由算法进行了全面的分析，并对路由协议、路由算法的选择进行了相应探讨。同时简要介绍了路由配置方法、配置内容及综合测试方法。     

SOM 方法在中国东部夏季降水分型中的应用

使用自组织映射(SOM)和经验正交函数(EOF)两种方法, 对比分析中国东部地区夏季日平均和季节平均的降水分型。结果表明, SOM比EOF能够更真实地描述降水分布。SOM得到的夏季降水分型的空间结构能够很好地用850 hPa的风扰动和700 hPa的比湿扰动解释。作为事后问题, 850 hPa的高度扰动负值中心能够很好地解释对应的降水落区; 但作为预报问题, 强降水不仅由数值模式预报中的负值高度扰动决定, 还受制于水汽和温度扰动等因素。     

人工神经网络在油田注采量描述中的应用

考虑油田注水开发期采液量是注水参数和地层参数等的连续函数,应用人工神经网络技术,探讨油田注水开发期见水后的各个单井产状描述和产液量预测的新方法．采用某油田某区块内５口采油井配置１０口注水井,在１２个月的注采数据来训练所建立的注采系统人工神经网络模型．结果表明,人工神经网络可很好地用来定量描述油田注水期采出液量与注入液量之间的复杂函数关系,可用于油田水驱产状的描述．滚动预测的结果表明,预测的累计采油量随月份的增长变化和实测的符合良好．     

HHT方法在轴承故障诊断中的应用

为研究滚动轴承故障问题,将HHT(Hilbert-Huang transform)分析方法应用于轴承信号故障的提取。用HHT对复合信号进行了仿真分析,表明此方法分析信号的有效性。将HHT方法应用于轴承内外圈的故障诊断,结果表明,所求出的轴承故障的信息特征与理论计算吻合,表明了HHT方法能够有效的提取轴承故障的特征信息,提高轴承故障诊断率。这为类似机械零部件的故障诊断提供了参考。     

基于正常行为聚类的卫星通信网异常检测方法

针对卫星通信网中可能出现的因地球站被捕获、盗用、伪造和非法用户入侵等严重威胁卫星通信网自身安全的问题,提出通过对地球站正常行为聚类的方法实现卫星通信网的异常检测.提出了一种改进的KFCM(komel fuzzy C-means)聚类算法,对KFCM算法初始聚类中的确定做了优化,对聚类个数的确定做了改进.同时,在数据的预处理方面提出了一种主要属性的选择方法.通过几个经典数据集和卫星地球站真实数据的实验证明,该方法具有较好的检测效果,对于卫星通信网异常检测具有较高的实用性.     

数据参数分析在汽车故障诊断中的应用

介绍电控汽车故障诊断的数据参数分析方法,结合实例阐述数据参数分析方法在电控汽车故障诊断中的应用。     

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.     

S变换在滚动轴承故障诊断上的应用

为了研究滚动轴承信号的非平稳特征,应用时频分析技术是一种较好的选择．研究了S变换,该方法是将短时傅里叶变换同小波变换结合起来发展的一种新算法．对多种时频分析方法进行了比较,得出S变换优于其他方法的一些特点,提出基于S变换的滚动轴承信号瞬态特征检测方法．结果表明,S变换能够以较高时频分辨率表示轴承振动中的非平稳特征,能反映出信号时频谱真实的物理意义,并且计算速度快．诊断结果验证了该方法可以用于滚动轴承的故障诊断．     

基于广义分形的旋转机械故障诊断识别与分类

运用多重分形理论,提出广义维数最小二乘法的计算公式,对实测的时域信号进行了广义维数计算,得到广义维数序列值,并从广义维数中获取盒维数、信息维数、关联维数以及敏感维数。对故障样本进行功率谱分析、广义维数计算分析．找出用分形维数分析识别故障的依据。另外运用广义维数序列和数学方法相结合提出分形诊断分类方法,用广义维数最大相关系数和广义维数序列单值优化逼近原理方法,对待检信号的耦合故障分别进行了试验数据与理论响应模拟、振型数据的诊断、识别分类,收到了良好的一致效果。通过对转子系统故障诊断的实例说明从广义维数中提取的各分形维数都能较好的对故障状态进行诊断、识别：且耦合故障的分形诊断分类方法具有较好的实效性。     

基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

自适应小波神经网络在故障诊断中的应用

为提高传统BP神经网络在故障诊断中的效率,提出用小波神经网络加以改进.采用动量法和学习率自适应调整结合的网络训练算法对小波网络的初始参数进行设置,提出自适应小波神经网络的故障诊断方法,详述其诊断原理,并结合实例证实了该方法应用于故障诊断的有效性.