基于BP神经网络的挖掘机智能故障诊断知识库设计

介绍了基于BP神经网络智能故障诊断技术在贵阳矿山机器厂O.8m3.液压挖掘机故障诊断系统应用中系统故障诊断神经网络知识库设计的方法与步骤,结合液压泵子系统故障诊断实例详细阐述了智能故障诊断故障库设计过程中神经网络建立、训练样本获取及神经网络学习的具体方法.     

液压泵故障诊断专家系统研究

液压泵是液压系统的动力源,它的失效直接影响着系统的正常工作,因此液压泵的状态监测与故障诊断是迫切需要解决的问题。作者以YB16型叶片泵为研究对象,将传统的求振动信号功率谱法与先进的专家系统技术相结合,使对泵的故障诊断更为准确。本文所介绍的方法可推广到其它类型液压泵的故障诊断中去,还可对长期运行而重要的液压系统中的动力源进行在线监测。     

液压泵故障诊断稀疏编码方法研究

针对液压泵故障特征难以提取、诊断过程复杂、自动化程度低等特点,将稀疏编码方法应用于液压泵故障诊断.通过对液压泵泵壳处振动信号进行时频域变换,将变换后的信号作为样本,采用K-SVD算法对训练样本进行字典学习以获取字典,利用正交匹配追踪算法对测试信号进行分解与重构,通过不同类别字典对测试信号的重构率大小进行故障种类识别,实现液压泵故障分类.通过试验验证并与BP神经网络、支持向量机对比,结果表明稀疏编码方法具有对故障识别速度快、准确率高、稳定性好等优点,可以有效地实现对液压泵故障的诊断.      

基于粗糙集-RBF的配电网故障诊断系统研究

为了改进人工智能方法在配电网故障诊断系统中的应用,给出了基于粗糙集理论的RBF神经网络的模型结构,然后利用训练好的神经网络对配电网进行故障诊断.采用VC++语言开发工具,调用Matlab神经网络工具箱建立了一个简化的故障诊断系统,并通过配电网实例验证了方法的正确性.实践证明该系统不但提高了配电网故障诊断的容错性,使故障诊断变得更加准确有效,而且减少了神经网络样本数据,大大减少了故障诊断过程的时间.     

基于判别稀疏编码的液压泵故障诊断

为解决液压泵故障信号特征难以提取的问题,提出了一种基于判别稀疏编码的液压泵故障诊断新方法。在稀疏编码框架中引入Fisher判别准则,通过对训练样本进行字典学习,获取具有判别性的字典与稀疏系数,使用不同故障类别字典对测试样本进行稀疏表示,利用全局分类方法综合重构误差与系数偏差两方面参数,对液压泵故障信号进行识别。实验结果表明,对于不同状态下的液压泵振动信号,该方法可自适应地完成各类子字典的学习与模式识别过程,与传统方法相比,在液压泵故障诊断中具有更高的准确率和较好的稳定性。     

多源时域时频域数据融合故障诊断方法及其应用

本文介绍并构建了故障特征向量,给出了一种多源时域时频域数据融合故障诊断方法,用神经网络给出了基本概率分配,证据理论融合各传感器的信号而得诊断结果。对液压泵进行了试验,结果表明,该诊断系统充分利用了多源数据的冗余互补信息,提高了诊断的可靠性和准确性,降低了诊断的不确定性。     

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.     

神经网络在城市综合业务故障诊断中的应用

提出计算机城市综合业务实时处理网络系统中的在线故障诊断问题,分析了计算机城市综合业务中应用神经网络技术进行故障诊断的可行性.重点针对应用软件故障,给出了后台服务中常见的故障征兆原因关系例图、故障诊断神经网络模型、神经网络参数和学习样本.通过仿真实验,验证了BP神经元网络能够有效实现后台管理中的故障诊断.     

幅值域无量纲指标对液压泵故障敏感性的实验研究

有效地提取故障特征向量,找到故障敏感因子是进行液压泵故障诊断的关键。采集轴向柱塞泵松靴、滑靴磨损、斜盘磨损以及中心弹簧失效等故障情况下的端盖振动信号,通过包络解调得到各故障的包络信号,在此基础上利用幅值域无量纲特征指标对每种故障进行敏感性分析,找到了各故障的无量纲敏感因子。为液压泵的故障诊断提供了可靠的敏感特征信息,增加了故障特征信息的完备性,对提高故障诊断系统的故障确诊率具有重要的意义。     

粗糙集理论在内燃机柱塞故障诊断中的应用

在对内燃机柱塞等故障利用神经网络进行诊为的基础上，引入粗糙集理论，对其在故障诊断特征参数属性优化中的运用进行了探索，并对故障诊断决策进行属性约简，剔除其中不必要的属性，揭示了故障诊断条件属性内在的冗余性，降低了神经网络构成的复杂性，最后给出了属性约简的结果。     

分形理论在液压泵故障诊断中的应用

针对液压泵故障诊断中特征提取上的瓶颈问题，提出了一种基于分形理论的液压泵故障诊断方法．以轴向柱塞泵为例，应用Matlab软件，通过建立液压泵壳体的振动模型，运用分形理论提取特征参数，进行液压泵故障分形诊断的研究．结果显示，壳体振动信号在一定的尺度范围内具有分形特征，不同的状态下关联维数是不同的，具有明显可分性．因此，关联维数作为液压设备故障诊断的敏感因子是可行的．这种方法简单、直观、易行，克服了传统方法分析上故障特征的提取、分析的困难．     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型.输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能.对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断.     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型。输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能。对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断。     

信息融合技术在机械故障诊断中的应用

针对目前机械故障诊断过程中存在的不足,考虑信息融合技术在机器故障诊断中的应用,以有效进行机器故障诊断．对目前应用的基于神经网络、贝叶斯理论和D-S理论的信息融合方法作了比较详细的论述．并以例子说明了信息融合技术在机器故障诊断分析中的有效性．     

基于小波包-改进神经网络的齿轮传动系统故障诊断研究

本文研究了小波包分析、神经网络在齿轮传动系统故障诊断中的应用。通过实例成功地对齿轮传动系统故障模拟实验中获得的振动信号进行基于小波包分析的故障特征提取,然后应用改进的神经网络进行齿轮传动系统的故障识别。结果表明,在齿轮传动系统故障诊断中,基于小波包-神经网络的故障是一种行之有效的方法。     

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.     

基于BP神经网络的故障诊断

本文论述了BP神经网络的结构和学习算法以及应用到故障诊断中的原理和过程。详细地分析了拖拉机变速箱的工作原理,并讨论了利用BP神经网络的优点,应用到该工程的故障诊断中。通过试验证明,基于神经网络的故障诊断已经逐步走向成熟。     

基于Hopfield神经网络概念设计中联想记忆

对复杂产品的功能需求进行可计算的0-1向量表示,以及通过Hopfield神经网络的联想记忆功能,实现了产品概念设计过程中的联想记忆。避免了对图像检索的庞大计算量以及建立知识推理库的复杂过程。并且对Hopfield神经网络实现联想记忆的算法进行了改进,最后以液压泵的需求选型为例对此算法进行了验证,计算结果表明此算法能够较好地实现联想记忆过程。     

电机滚动轴承故障诊断中BP与RBF神经网络的比较

针对电机滚动轴承故障检测的复杂性,采用了理论成熟且应用较多的BP神经网络和RBF神经网络两种故障诊断方法。首先通过经验模态分解的方法对滚动轴承的振动信号进行故障特征提取,并将故障特征向量输入到BP神经网络和RBF神经网络进行达标训练,最后对两种神经网络在滚动轴承故障诊断方面进行了比较分析,结果表明,两种神经网络的故障诊断效果均理想,但是RBF神经网络故障诊断结果较准且训练速度快,具有一定的优越性。     

故障诊断技术在齿轮质量控制中的应用

以模糊逻辑和神经网络故障诊断方法为基础,对齿轮加工误差源诊断问题进行了分析研究,并结合作者的实际工作,介绍了诊断实例。最后就模糊逻辑和神经网络在齿轮质量控制中的应用进行了比较。