基于联想记忆神经网络的故障诊断

以模拟人脑由部分记忆而联想整体的特点为基础,通过引入联想记忆衰减因子,改进了神经网络结构和学习算法,以应用于系统的故障及时诊断.     

基于复合神经网络的柴油机故障诊断专家系统

针对ART神经网络和BP神经网络在故障诊断领域应用的优点及不足,结合专家系统擅长推理的优点,将ART2和并行BP神经网络组合优化策略运用在专家系统中,用Visual C＋＋6．0语言作为软件开发环境,构造一个基于复合神经网络的专家系统。最后给出一个应用实例,验证了系统模型的合理性。     

双向联想记忆(BAM)神经网络系统的指数稳定性

研究一类具有分布时滞的双向联想记忆(BAM)神经网络系统的指数稳定性.通过构造合适的Lyapunov泛函并利用不等式分析技巧,得到了保证系统平衡点全局指数稳定的充分条件.所得结果是新的,不同于先前已有的一些结果.最后通过数值例子说明了所得结果的可行性和有效性.     

基于故障树与BAM神经网络的智能故障诊断方法

在研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中应用的基础上,提出了一种融合FTA和BAM的故障诊断方法。故障树存贮了系统关于顶事件发生的全部知识,利用FTA得到系统所有的故障模式,进而归纳出BAM的学习样本,即故障树中故障现象(监测点状态组合)和底事件发生与否之间的对应。BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。用上述方法进行仿真分析,结果表明该方法用于解决此类问题是有效的。     

基于规则的柴油机故障诊断专家系统

介绍了基于规则的柴油机故障诊断专家系统,以及柴油机故障诊断专家系统的基本结构、功能、模块化设计方法及编程语言——CLIPS。该系统能根据柴油机的故障现象进行自动诊断并最终给出专家操作建议,为柴油机的故障诊断、分析和排除提供了具有较大实用价值的研究方法。     

基于可能性理论的柴油机故障诊断方法

本文提出了基于可能性测度的柴油机故障诊断方法.与概率测度相比,可能性测度更为适合,计算更为简单,在故障诊断中有着广泛的适用性。     

基于贝叶斯网络分类器的船舶柴油机冷却系统故障诊断

针对船舶柴油机冷却系统故障诊断中信息和知识具有随机性和不确定性的特点,提出基于贝叶斯网络分类器的船舶柴油机冷却系统故障诊断的NB贝叶斯网络故障诊断模型和TAN故障诊断模型。研究结果表明:这2种故障诊断模型均可通过不断积累完善训练样本,自动修正网络结构参数和概率分布参数,提高诊断效果;采用这2种故障诊断模型,正判率在80.57%以上。     

基于FTA与BAM神经网络融合的飞机故障诊断方法

飞机由大量彼此关联的组件组合而成,其大规模特性使得基于故障树(FTA)和基于神经网络的故障诊断方法在应用于其故障诊断时分别存在空间爆炸问题和训练样本整理困难问题.本文融合故障树和BAM神经网络,由故障树归纳出系统所有的故障模式,整理出BAM神经网络所需的具有规范性、独立性、正交性的训练样本,然后用BAM神经网络实现飞机故障的快速和准确诊断.实验评估结果表明,融合方法有良好的可扩展性,而且故障判别率提升了20%.     

RBF网络在柴油机故障诊断中的应用

柴油机作为动力发电、工程机械的重要组成部分,其性能好坏直接影响到整个系统的运行。在生产过程中需要加强对柴油机开展故障诊断和监控,及时发展并解决故障,从而提高了柴油机在运行过程中的安全系数,降低安全事故发生率,减少不必要的经济损失。传统的柴油预计故障诊断与解决方式主要是润滑油方法、振动噪声方法,这些都以定期保养和后期维修为主要方法,这些诊断方式不能较早预知故障情况、成本较高、工作效率较低。随着计算机技术、信号分析处理技术、人工智能的迅速发展,柴油机故障诊断能力逐渐提升,以非线性并行分布处理为主的神经网络成为了当前广泛运用于柴油机故障诊断的主要方法。     

基于神经网络的柴油机故障诊断

传统的柴油机故障诊断与处理方法主要都是以定期保养和事后维修为主,缺乏针对事故的预见能力,且效率比较低,成本较高。这就为人工智能技术在柴油机故障诊断上的应用开辟了广阔的空间。本文主要以非线性并行分布处理为主的神经网络为研究理论,通过对建立的BP网络模型,RBF网络模型和Elman网络模型进行了比较,发现这三种网络虽然各有特点和优势,但均适用于特定条件下的故障诊断要求。     

基于油液监测的柴油机磨损故障诊断系统

运用专家系统的原理和构建万法,建立了知识库模型,编写了搜索推理代码,并在此基础上基于C#和SqlServer采用油液分析技术中的光谱分析、铁谱分析和常规理化分析,建立了柴油机磨损故障诊断系统．该系统可用于诊断磨损的部位、类型和性质．以济南柴油机厂的4190柴油机为研究对象,对该系统进行了检验,实验结果表明该系统能够定位柴油机磨损故障的部位,并诊断其故障性质及原因．     

柴油机故障诊断系统的研究

发展柴油机故障诊断技术是提高柴油机维修效率、监督柴油机维修质量的必要手段。但柴油机的运行信号,存在非线性、连续性、容差和检测点的有限性的特点,这使柴油机故障诊断问题变得十分复杂。本文对柴油机故障诊断进行了研究,希望能够为破解柴油机故障诊断难题提供建议。     

基于小波分析柴油机故障诊断研究

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号。采用小波降噪对各振动信号进行初步处理,采用经典傅立叶方法对处理后的信号进行功率谱估计,初步诊断各故障特征参数。进而采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断。     

基于D-S证据理论的柴油机故障诊断

D-S证据理论已经广泛应用于各种故障诊断中,但基本概率分配是证据理论的重要一步.运用典型样本的数据融合方法对柴油机供油系统的3种故障进行诊断,避免了D-S证据理论应用中基本概率赋值难以分配的问题,减少了方法的主观性.实践结果表明,该方法可以有效的判别出柴油机故障类型,具有工程实用价值.     

基于润滑油分析技术的船舶柴油机故障诊断

论述了润滑油分析技术的功能,各种分析方法的特点,润滑油分析技术的流程,并在此基础上提出了一个柴油机监测系统。     

基于Seesaw门的双向联想记忆神经网络

人工神经网络是一种模拟大脑结构及功能的信息处理系统,在模式识别、生物医学等领域成功解决了许多棘手的实际问题,然而在纳米级中如何实现DNA分子的“智能思考”及自主的“大脑行为”仍是一个难以解决的问题.文章将DNA链置换与双向联想记忆神经网络(BAM)结合在一起,通过级联具有反馈效应的Seesaw门搭建了两个BAM神经网络,以此来展示如何在纳米尺度上用DNA分子完成类似大脑的自主异联想功能.这两个BAM神经网络可以通过动态反馈的过程最终达到稳定状态,分别实现了三原色的加减色原理以及简单字符的联想记忆,表明DNA分子可以自主完成灌输式学习神经网络的工作过程.     

柴油机燃油系统故障诊断的探讨

探讨各种柴油机燃油系统故障诊断方法及应用上的长处与不足,提出今后的研究发展方向．     

基于BP神经网络的变压器故障诊断

针对变压器故障类型的特征,结合油中气体分析法及三比值法,应用BP神经网络对变压器进行故障诊断。根据BP神经网络的概念、结构和算法原理,探讨了不同隐含层的神经元个数对神经网络训练性能的影响。通过对仿真结果的分析与测试,结果表明BP神经网络对变压器故障诊断具有较好的应用效果。     

基于瞬时转速信号的柴油机故障诊断

为快速、准确地判断柴油机燃烧故障,通过对柴油机曲柄飞轮系统的动力学分析,建立基于动力学模型和扭矩波动的柴油机转速波动信号检测柴油机异常燃烧的方法,提出特征参数I.对4108YC型机不同情况的模拟计算可以看出,特征参数I能够准确判断故障气缸的位置以及漏油故障程度,各故障气缸的相位差约为180°,正好和发火间隔角相同,而且特征参数曲线发生故障部分的顺序与发火顺序相同.实例计算证明,利用瞬时转速进行故障诊断,即可以利用各个气缸对应的特征参数相互比较来判定,无需大量原始数据的积累,且故障判据的可移植性好.