基于神经网络的三相电缆故障预测定位系统

为实现三相电缆故障准确定位，在大量实测数据的基础上，用L—M数值优化改进的BP算法建立了复杂非线性电缆故障预测定位系统输入信号与故障距离之间的数学模型，设计了基于BP神经网络的电缆故障预测定位系统，实现了三相电缆短路或接地故障的预测定位功能。仿真结果表明，故障距离的预报误差在指定范围内，预报精度可靠。     

三相电缆真故障点的计算

在分析了目前电桥法探测电缆故障点方法的特点及其存在的问题之后．提出了一种精度高、使用范围广、易于实现的探测电缆故障点的单片机电桥法，并给出了模拟电缆的实验结果。     

基于自适应神经网络集成的电子设备故障预测方法

为了实现装备的主动维修,针对电子设备故障预测问题,提出了一种基于自适应神经网络集成(ANNE)的电子设备故障预测方法。首先利用FCM 聚类算法生成个体网络训练样本,从而确定了神经网络集成的规模。ANNE 根据故障序列样本与个体网络训练样本的相似度动态调整权值,自适应神经网络集成根据装备故障历史数据建立故障预测模型,根据当前时间预测故障间隔时间。仿真实例证明,该方法对平稳的故障间隔时间数据进行故障预测的精度较高。     

基于遗传神经网络的航空装备故障预测

为在武器系统故障发生前实现预测、实现装备的视情维修,开展基于遗传神经网络的故障预测技术研究.采用实数编码方式和自适应的交叉率、变异率改进遗传算法,并将改进遗传算法用于神经网络的权重学习得到遗传神经网络.利用监测到的装备特征参数数据进行网络训练,然后将遗传神经网络预测装备特征参数的退化趋势.预测实例表明遗传神经网络可在故障发生前实现故障预测,较基本神经网络有较大性能改善,可提高武器装备的保障能力,实现视情维修.     

一种基于神经网络的网络设备故障预测系统

引入基于状态的维修技术,构建了基于多状态的在网运行设备故障预测模型.根据故障的严重性将预警等级划分为四层,对于不同的预警级别,分别构建神经网络.该模型解决了设备故障预测精度不高的难题,提升了基于多状态的故障预测能力.     

基于改进广义回归神经网络的雷达故障预测

针对目前雷达故障预测存在的问题,提出了一种基于遗传算法(GA)的广义回归神经网络(GRNN)模型.该模型以前10个时刻的雷达状态为输入,以下一时刻状态及其变化速度为输出;利用遗传算法对网络平滑因子以及网络结构进行优化,以均方差(MSE)最小构造适应度函数.仿真结果表明,所提出的GRNN模型预测值与计算值的偏差系数2.62%,期望偏差率2.07%.     

基于神经网络建模的预测控制

预测控制具有多步预测，滚动优化和在线自适应校正等优点，文中提出了用神经网络方法建立预测模型，将其应用到了润滑溶剂脱过程并取得了有效的仿真结果。     

电缆故障检测系统

针对多芯电缆的常见故障,设计一种利用单片机8051为核心的故障检测系统,可检测多芯电境常晃故障并迅速、准确定位故障点。     

双向LSTM神经网络的航空发动机故障预测

准确的航空发动机故障预测能够为维修决策提供依据,提高装备完好率,避免灾难性故障并最小化经济损失。根据航空发动机传感器数据特点,提出一种基于双向长短期记忆（LSTM）神经网络的故障预测方法,建立故障预测模型,包括数据预处理、网络模型设计、训练与测试,得到在多种工作条件和故障下具有较强泛化能力的神经网络预测模型。使用C-MAPSS数据集对模型进行仿真验证,所提出的双向LSTM故障预测模型通过与RNN、GRU、LSTM时间序列模型对比,误差下降33.58%,得到更高的预测精度,非对称评分下降71.22%,具有更好的适应性。     

电缆常见故障分析及故障探测方法

分析电缆故障对井下安全生产至关重要。阐述了常见电缆故障,包括电缆短路和电缆漏电,分析其形成的原因,提出及时实现电缆故障的探测方法。     

智能化的电缆故障测试仪

开发以GMS90／GMS97系列单片机为核心并外接嵌入式MSB接口模块组成的计算机系统．其主要功能有：产生低压脉冲、控制低压脉冲的发送和接收、高压放电波形的接收、高速的数据采集和存储以及与主机的串行口数据通信等．     

基于RBF神经网络的锅炉燃烧系统故障诊断

为了提高锅炉燃烧控制系统的可靠性,针对热力系统自身的特点,基于热力系统的解析冗余理论,提出用RBF神经网络构建状态观测器,对传感器和执行机构进行故障检测与诊断的新方法。采用正交最小二乘法(OLS)训练神经网络。在锅炉负荷控制系统中采用这一方法,对传感器和执行机构构建状态观测器,通过分析比较传感器及其观测器输出和残差、执行机构及其观测器的输出和残差,就可以进行故障诊断。实验结果表明:该方法可以有效地进行锅炉燃烧控制系统故障检测和诊断。     

基于行波原理的10 kV电缆网络分布式故障定位方案

在线故障测距对于城市10 kV电缆线路的故障查找与修复非常重要,由于配电线路结构复杂,不能直接应用现有单端或双端行波测距技术,无法迅速对故障点进行准确测距和排查抢修,对居民生活和企业生产带来一定不便和经济损失。本文分析了典型10 kV电缆网络接地故障时的电压与电流行波特征及其在线路中（特别是环网柜、线路末端处）的折反射规律,阐述了一种安装于环网柜与线路末端的分布式故障行波测距系统的系统构成、工作原理,并给出了高速数据采集、传感器采集频带选取和线路末端电流行波获取方法等关键技术方案,利用多例现场实例验证了该技术与系统的可靠性和准确性。     

基于神经网络专家系统的卫星姿态确定系统故障诊断

介绍了一种基于人工神经网络与专家系统相结合的智能故障诊断系统,将专家系统与神经网络结合运用取长补短,发挥各自的优势.给出了系统的结构组成,并具体描述了神经网络专家系统的工作原理.采用的RBF网络有效地克服了BP网络收敛速度慢,且易陷入局部极小的缺陷.同时利用神经网络的并行处理功能,有效地解决了传统专家系统的推理复杂、时间冗余等缺点.仿真结果证明了该方法应用于卫星姿态确定系统的故障诊断是有效的.     

模糊Kohonen神经网络回热系统故障诊断

分析了汽轮机组回热系统12种典型故障及9种征兆参数的模糊处理,结合Kohonen神经网络的工作原理、诊断特征,提出了模糊Kohonen神经网络汽轮机组回热系统故障诊断模型.结果表明:该模型可以有效地进行回热系统故障样本模式的模糊量化处理,具有自学习功能、聚类能力强、运算速度快的优点,可以有效地对具有模糊性的单一故障和复合故障进行诊断,是一种适合于汽轮机组回热系统故障诊断的有效可行的方法.     

基于模糊神经网络的摊铺机智能故障诊断系统

针对沥青摊铺机故障原因的复杂性与不确定性，综合运用模糊推理、数据库、人工智能、专家系统等理论，完成了沥青摊铺机智能故障诊断系统总体结构设计，建立了基于BP神经网络的沥青摊铺机故障诊断系统，利用推理规则模块并结合摊铺机工作状态参数进行推理，能迅速判断推铺机故障原因，从而保证了推铺机的正常工作。该系统的研究为沥青摊铺机智能故障诊断系统的开发提供了理论依据。     

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。     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

基于多级神经网络的指挥仪电路故障诊断

针对某指挥仪电路故障诊断专家系统的不足之处，用层次结构的多级人工神经网络进行电路的故障诊断，用专家知识对学习样本进行筛选，通过对该电路中差分电路模块的诊断实验表明，可以克服专家系统对某些故障无法诊断的不足，而且还可以实现多故障的诊断。     

基于残差神经网络的滚动轴承故障诊断方法

针对轴承故障诊断方法在变工况条件下诊断效果不佳的问题,提出了一种基于残差神经网络的滚动轴承故障诊断方法.该方法首先以滚动轴承时域信号数据作为输入,针对信号的时变性改进了数据池化层,改进的数据池化层利用三个连续的卷积层串联构建而成,目的在于能够有效地提取振动信号中的故障特征信息,并减少残差神经网络中参数的计算量;然后设计了一种空洞卷积和残差块相结合的空洞残差块,用于特征信息的学习;最后通过在全连接层后加入Dropout层丢弃一定比例的神经元,能有效避免过拟合的负面影响.使用凯斯西储大学轴承数据集进行仿真实验,与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和Resnet三种方法作对比分析,结果表明该方法在变工况下的滚动轴承故障诊断中具有更高的诊断准确率、更强的抗噪性和泛化能力.