用反向传播神经网络求解J积分

提出了一种基于反向传播神经网络（Back Propagation Neural Network)建立专家系统求解J积分的方法。该方法以构件或材料的性能和形状参数，裂纹的几何参数为神经网络专家系统的系统输入，利用神经网络所具有的自学习，自组织能力，来实现系统输入与输出参数之间的非线性映射。通过应用实例表明，该方法可以用来有效求解J积分。     

基于蚁群神经网络的电控发动机故障诊断研究

针对电控发动机故障的复杂性,以及传统的专家系统在知识获取等方面的缺点,采用BP神经网络作为故障诊断模型的核心,并将蚁群算法融入到BP网络的训练过程中进行优化,得到了满意结果.通过对该故障诊断模型的验证,表明采用蚁群算法改进后的BP神经网络能够对汽车电控发动机的故障进行有效和准确的诊断.     

煤矿带式输送机故障诊断中模糊神经网络的应用

以模糊数学分析及神经网络综合运用为基础,研究了煤矿带式输送机的故障诊断技术.通过对输入参数的模糊数据处理并利用神经网络的学习能力来实现对数据的训练,得到高精确度的故障参数,从而建立起相应的模糊神经网络,对带式输送机进行及时有效的故障判断.最后基于Matlab软件对训练数据的仿真表明,基于模糊神经网络的故障诊断相较于传统故障诊断技术具有极高的准确度,且数据反馈及时,运行稳定.     

专家系统在电梯故障诊断中的应用

介绍一种应用于电梯故障诊断的专家系统,对该系统的基本结构、相应的推理机制,以及故障诊断的策略进行论述,给出了电梯故障诊断的具体实现方法和步骤.     

一种实用的神经网络方法在液压泵故障诊断中的应用

针对传统BP神经网络训练中收敛速度较慢的缺点,将一种基于L-M算法的神经网络应用于液压泵故障诊断,并建立了基于该算法的故障诊断模型;论述了液压泵的故障特征频率,研究基于LabVIEW的频率提取与后期神经网络的处理方法.仿真结果表明:该方法和模型显著缩短了训练时间,运用神经网络方法进行液压泵故障诊断是有效的.     

基于AdaBoost.M2-NN的变压器故障诊断

组合分类器的经典算法AdaBoost即自适应Boosting算法是提高预测学习系统预测能力的有效工具.针对传统BP（Back Propagation,BP）神经网络在变压器故障诊断时存在不稳定和网络易陷于极小值等缺点,将AdaBoost扩展算法AdaBoost.M2与BP神经网络结合,形成基于Ada-Boost.M2-NN（AdaBoost.M2Neural Network）的变压器故障诊断模型.利用AdaBoost的集成提升作用,在一定程度上弥补了BP算法的不足.仿真结果表明：该模型不仅能将单个BP神经网络无法识别的样本类别识别出来,而且还能整体上相比BP神经网络和传统三比值法将识别率提高11.5%,说明其具有可行性.     

高压直流断路器专利技术分析

由于直流电流无自然过零点使断口中电弧不易熄灭,因此交流断路器不能直接用于开断直流电流。尤其在高压、特高压直流系统实现开断直流电流更是关键的技术难题,因此,高压直流断路器的研发就显得尤为重要。在高压直流断路器领域,专利申请量逐年递增,本文对高压直流断路器的发展路线和该领域中的重要申请人做出概述。     

基于BP神经网络的水产健康养殖专家系统设计与实现

针对传统专家系统的知识获取困难、推理能力弱、智能水平低和实用性差等缺点,阐述了BP神经网络运用于水产健康养殖专家系统的设计思想,对水产养殖中的饲养、水环境调控、疾病诊断的模糊描述进行量化,从系统模型和实现流程上说明本专家系统的特点,并以水质评价子系统为例,对平台功能和性能进行测试.实验数据表明,误差小于1%.该平台克服了完全依靠专家经验的主观性,诊断效率高,具有较高的实用性、通用性和灵活性.     

一类状态不可测非线性时滞系统的神经网络故障诊断

针对一类状态不可测的非线性时滞系统,提出了基于神经网络故障诊断的新方法.采用系统的状态和时滞状态的估计值作为神经网络的输入对故障进行估计.首先构造一种状态观测器结构,利用输出信息和神经网络的非线性逼近能力对系统不可测状态进行估计,然后对系统发生的故障用另一个RBF神经网络进行估计,故障估计器的输入为系统的当前估计状态以及时滞状态,所估计出的故障是随时间变化的非线性函数.基于Lyapunov理论,分析并证明了系统的稳定性和参数收敛性,同时作了仿真研究.仿真结果表明,该方法能够很好地解决一类状态不可测的非线性时滞系统的故障诊断问题.     

高压断路器机械特性在线监测系统设计

本文分析了对高压断路器机械特性进行在线监测的必要性,给出了高压断路器机械特性在线监测系统的系统构成,并分析了机械特性在线监测系统各参量监测原理,以期为高压断路器机械特性在线监测系统的设计提供借鉴。     

基于BP网络改进算法的模拟电路故障诊断

将BP神经网络的改进算法应用到模拟电路故障诊断中,并在MATLAB7．0中运用神经网络工具箱中的函数加以实现,对实验结果进行比较研究．     

基于混沌的模拟电路故障诊断方法

针对模拟电路故障诊断的神经网络方法中,网络易陷入局部极小、收敛速度慢等缺点,网络结构、权值难以确定等难题,提出一种利用混沌优化神经网络的模拟电路故障诊断新方法.该方法中,将混沌变量引入神经网络结构的优化搜索,使得神经网络的隐层节点数以及所有权参数处于混沌状态中,从而整个网络结构呈现为动态变化.然后从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构.最后利用优化的神经网络对模拟电路进行故障定位.利用该方法对模拟电路进行实例仿真,结果表明该算法可以有效、可靠地运用于模拟电路故障诊断中.     

具有区间数的粗糙神经网络故障认定方法

针对具有区间数的信息系统．提出用粗糙神经网络求解其问题的方法．给出了粗糙神经网络的拓朴结构和学习算法以及粗糙神经网络的逼近定理．最后以歼击机的操纵面故障认定为例，构造了歼击机故障认定的粗糙神经网络．并通过仿真说明了方法的可行性和有效性．     

DML架空线故障点寻迹仪

中性点非直接接地系统发生单相接地放障时,断路器并不跳闸,规程允许带故障继续运行一段时间.本寻迹仪可帮助巡线人员在不停电状态下迅速探测故障出线,判定故障分支,准确找到故障点.该装置也可兼作验电器使用.本文阐述了接地故障探测的原理,寻迹仪结构组成及控制器显示器等特点.     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.     

线性模拟集成电路故障测试与诊断：短路导纳参数法

提出一种线性模拟集成电路故障测试与诊断方法：短路导纳参数法,方法只要对电路外部端口进行两次电压测试即可判断该电路是正常的还是有故障的;用此方法可以设计出电路自动测试装置,应用于线性模拟集成电路生产线的自动测试或供维修人员判定电子设备 性模拟集成电路是否有故障,其突出优点是对元件参数容差和测试、计算误差有抑制能力。     

低压供电系统中四极开关的应用

通过对不同低压供电系统及接地型式中四极开关应用问题的具体分析,得出:四极开关的应用主要是为了满足保护性或与其它保护配合性的需要,而不是满足开关本身功能性的需要,使用时要根据规范规定和供电系统本身的需要选择使用.