T-S模糊神经网络在风机故障诊断中的应用

针对供热锅炉房风机故障的不确定性和复杂性的特点,结合神经网络的自适应自学习能力和模糊系统利用语言描述来获取知识的优点,建立了一种基于T-S模糊神经网络的风机二级故障诊断模型,以风机常见故障振动信号的特征频谱峰值变化为依据,诊断故障类型,并对故障原因进行识别。应用MATLAB软件进行系统仿真测试,通过实例与BP神经网络进行了对比分析,结果表明基于模糊神经网络的故障诊断方法收敛速度快、诊断精度高、效果较稳定,能够有效地诊断风机故障。     

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     

模糊神经网络在自动变速器电控系统故障自诊断中的应用

文章介绍了故障自诊断的步骤,针对自动变速器电控系统的特点,建立了故障征兆与故障原因映射列表,并应用基于模糊神经网络的故障自诊断方法,实现了对自动变速器电控系统故障的模糊诊断;并介绍了模糊神经网络的结构和学习方法,以及如何对训练样本进行预处理;利用Matlab神经网络工具箱作为平台,进行测试样本仿真和试验,结果表明该诊断方法是行之有效的。     

一种基于RBF神经网络的智能故障诊断方法

根据神经网络独特的容错、联想、推测、自适应、自学习等优点,针对BP网络在故障诊断应用中收敛速度慢等不足,研究了基于RBF神经网络的智能故障诊断方法.该诊断方法只需要足够的具有代表性的故障样本用以训练神经网络,然后将归一化的故障信息输入给训练好的神经网络,根据其输出结果就可以判断发生的故障类型.利用该诊断方法,对发动机转子系统故障诊断进行了仿真,仿真结果表明,基于RBF神经网络的智能故障诊断方法效果良好.     

基于小波包分析与RBF神经网络的模拟电路故障诊断

针对常用的BP神经网络须已知结构,且学习算法训练速度慢的缺点,提出一种基于小波包分析与径向基神经网络(RBFNN)的模拟电路故障诊断方法。该方法首先利用小波包分解,归一化作为预处理提取模拟电路的故障特征向量,再将故障特征向量输入到RBF神经网络进行故障诊断。仿真结果表明本方法能够对模拟电路的故障进行有效诊断和定位。     

基于小波包和径向基神经网络轴承故障诊断

针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号.通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量.应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射.现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障.     

基于小波和神经网络的电气设备故障检测

针对传统的电气设备故障诊断方法中存在的局限性,本文提出基于小波和神经网络的故障诊断算法。该算法利用时频两域有紧支撑能力的Mexican Hat小波变换,提取能量归一化故障特征向量,用神经网络作为诊断决策分类器,输出故障模式。该方法具有计算简单、收敛快、精确度高及可操作性强等特点。     

基于改进粒子群优化算法的电机故障诊断研究

针对电机转子故障,利用神经网络方法进行故障诊断研究。将基本粒子群优化(PSO)算法进行改进,并用其训练反向传播(BP)神经网络,对电机转子进行故障诊断。选用电机转子振动频谱分量作为神经网络的训练样本,将故障信息数据作为输入量代入已训练好的神经网络,通过输出结果即可诊断故障类型。仿真结果表明,基于改进PSO算法的BP神经网络可以有效地识别电机常见故障,具有较快的收敛速度和较高的诊断精度。     

基于优化概率神经网络法船舶柴油机燃油系统故障检测

针对船舶柴油机结构异常复杂、故障特征信息输入输出不明显,难以诊断故障的问题,提出一种基于优化概率神经网络的检测方法,该方法采用遗传算法结合概率神经网络模型将误差数值作为优化目标,将目标函数视为最小值问题映射为适应度函数,经遗传算法操作以减小误差并消除概率神经网络模型自身影响使得故障特征最大化,结合其模型强大的非线性分类能力可提高辨别柴油机复杂多变的故障类型及其相似的特征。通过建立基于优化概率神经网络故障检测模型,选取燃油供给系统故障数据作为检测样本,经仿真验证,得到优化后概率神经网络故障检测正确率较高的结果,验证了该方法有一定的研究效果。     

基于果蝇优化算法的多元质量控制故障模式诊断

针对目前以神经网络为代表的主流智能故障模式诊断方法存在训练时间长、收敛速度慢、容易陷入局部最优等缺陷,本文将果蝇优化算法用于多变量生成过程故障模式诊断,重点分析了果蝇优化算法(FOA)的原理及其搜索优势,设计了一种基于FOA的多变量生产过程故障模式诊断算法。将所设计的果蝇优化算法应用于汽车曲轴生产过程控制,并与神经网络模型处理结果进行对比。对比结果表明,果蝇优化算法训练时间短,收敛速度快且诊断结果更加准确。     

基于粒子群-蛙跳算法优化BP神经网络的滚动轴承故障诊断方法

针对滚动轴承故障诊断方法存在的局限性及缺陷,在利用小波分析提取滚动轴承故障信号特征向量基础上,提出基于粒子群 蛙跳算法优化的BP神经网络滚动轴承故障诊断方法。该方法采用粒子群 蛙跳算法优化BP神经网络结构参数,利用改进BP算法和样本数据训练BP神经网络,实现滚动轴承运行正常和4种不同故障状态的诊断。实验验证结果表明,基于粒子群 蛙跳算法的BP神经网络方法诊断误差最大值仅为005,为未优化的神经网络诊断误差的1/16;与其他算法相比,基于粒子群 蛙跳算法优化的BP神经网络方法的训练时间、训练误差和诊断精度各项指标均为最优,可实现滚动轴承故障的快速、准确、有效诊断。     

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。     

模拟电路故障诊断中故障重分类方法的研究

分析了模拟电路故障诊断中故障类重叠.针对在该情况下神经网络训练困难与故障诊断正确率低的问题,提出了一种适于模拟电路的、基于神经网络故障诊断的故障重分类方法,给出了该方法的数学模型.通过诊断示例表明,该方法在故障类存在重叠时,降低了神经网络的训练难度,故障诊断的正确率达到99%以上.     

基于DSP的交流电机故障诊断

交流异步电机是广泛使用的能量转换装置.对鼠笼异步电动机的常见故障进行分析及诊断,提高电机故障的监测诊断水平,具有重大实用价值.本文应用小波包-神经网络算法实现了基于DSP的交流电机故障诊断.利用小波包分解算法提取出电机故障特征向量,并针对轴承和偏心故障特征,提出对数故障特征向量的算法.将故障特征输入基于任务分解的神经网络,实现基于DSP的电机定子、偏心以及轴承故障诊断.     

基于MAS的铁路信号设备故障诊断系统

MAS技术的发展为信号设备故障诊断系统的设计和实现提供了极具潜力的一条途径,基于MAS的故障诊断系统能够融合不同的诊断方法实现复杂系统的故障诊断任务。研究了以MAS理论为基础,基于MAS的信号设备故障诊断系统。针对信号设备故障的复杂性,还研究了面向Agent的模糊算法和神经网络混合诊断策略。     

基于RBF神经网络的变压器故障诊断及MATLAB仿真研究

研究应用RBF神经网络进行变压器故障诊断,以提高变压器故障诊断率。分析了径向基函数神经网络的结构和工作原理,设计一个诊断变压器故障的三层径向基网络。通过采用MATLAB进行仿真实验,结果表明RBF神经网络是一很强的分类器,能够有效的对变压器故障进行诊断。     

基于概率神经网络的电子油门踏板故障诊断

针对电子油门踏板的工作状况,基于概率神经网络原理,建立故障诊断模型。根据实际采集的试验数据,通过电子油门踏板故障分类器设计并定义6种故障判断模式,测试4组不同故障顺序的试验样本。在MATLAB中检查定义变量对应的维度后,开展故障诊断,得出正确的诊断结果。研究结果表明:概率神经网络故障模型可以省时、高效地预测故障类型,且测试试验数据显示顺序结构诊断用时最少。     

基于小波-神经网络的电阻性开路故障诊断方法

数字电路中的电阻性开路引起时滞性故障,会使电路的功能失效。针对此故障,本文在分析数字电路的瞬态电流IDDT测试和主成分分析技术的基础上,研究了小波-神经网络诊断电阻性开路故障的方法。结果表明,使用小波-神经网络的数字电路的IDDT方法行之有效。     

基于神经网络信息融合的盾构施工故障诊断

针对人工检查盾构施工故障存在施工安全等问题,提出一种基于盾构掘进参数神经网络信息融合的盾构施工故障诊断方法。将多个盾构掘进参数信息引入各子神经网络进行局部融合诊断,再将各局部诊断信息引入决策融合网络进行全局融合,最终诊断出各种施工故障并给出可信度评价。研究结果表明:所建立的诊断系统结构合理,融合方法有效,诊断结果可靠。研究结论可为设计基于盾构掘进参数的盾构施工故障实时诊断系统提供有益指导。     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。