基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度，分析了陀螺漂移特性，指出随机漂移是影响陀螺仪精度的主要漂移误差，也是影响性能可靠性的主要因素．针对此，提出了一种小波模糊神经网络故障诊断模型．此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起，充分发挥它们各自的优点，并对陀螺仪实测数据仿真．仿真结果表明，采用小波分析提取陀螺的常值漂移，简单有效；运用神经网络对陀螺的误差和故障建模，使故障诊断具有自适应、自学习的能力，并互增强了故障诊断的容错能力；将模糊逻辑用于判决中，使判决结果更加可靠．     

基于HHT及共振解调方法的动车组走行部轴箱轴承故障诊断算法

针对动车组走行部轴箱振动信号非平稳、非线性且背景噪声频率分布范围广的复杂特性,设计了改进的希尔伯特-黄变换算法(Hilbert-Huang Transform,HHT),综合利用了HHT方法有效平稳化信号及共振解调方法有效提高信噪比的优点.通过分析动车组运行过程中轴箱轴承背景噪声成分,进行了轴箱轴承故障信号的仿真.对仿真信号分别使用HHT方法,共振解调方法及本文所设计方法进行故障分析.结果表明:相比HHT方法与共振解调方法,本文所设计方法可有效提取故障信息并分析故障类型.适用于分析高速动车组走行部特有的振动信号特征.为我国高速动车组故障诊断提供了新思路.     

电力物联网背景下基于HHT-CNN的智能变电站故障诊断

在电力物联网的背景下,为提高传统智能变电站故障诊断能力,提出基于希尔伯特-黄和卷积神经网络相融合的智能变电站故障诊断方法.将智能变电站中的故障录波数据作为故障诊断数据,利用希尔伯特-黄变换提取综合电流的故障特征,通过训练好的卷积神经网络实行故障定位.以典型的110 kV智能变电站为例进行仿真测试,测试结果表明：增加数据增强模块能有效提高卷积神经网络模型的泛化能力;选择合适的卷积神经网络模型参数能有效提高故障诊断正确率和降低训练时间;相对于其他2种方法,该方法有较高的故障诊断正确率.     

希尔伯特-黄变换轴瓦异响故障诊断

根据汽车发动机信号非线性、非平稳性特点,分别对正常以及轴瓦异响发动机信号进行HHT,得到希尔伯特谱与时频分布三维图。将引起异响的高频成分从异响信号中分离,再通过对高频成分的分析找出故障原因。结果表明,正常发动机固有频率为210Hz,轴瓦异响发动机频率主要集中在500,1 500和2 700Hz,通过对比加速度谱分析结果,判断出轴瓦异响的原因是轴瓦磨损。     

一种新型的基于灰色模型的动调陀螺随机漂移建模方法

为了减少动调陀螺仪(DTG)随机漂移的建模误差，提出了一种基于灰色理论的新型混合建模方法．此方法将小波分析理论引入到灰色模型中，旨在提高单变量一阶灰色模型GM(1，1)的建模能力．原始的DTG漂移数据首先经小波变换处理后，其冲击干扰噪声被抑制，然后用预处理后的漂移数据建立灰色模型，最后再施以小波逆变换．用实测的DTG漂移数据对此方法的有效性进行验证，结果表明该混合建模方法能够给出满意的建模特性．     

基于FT和HHT的语音能量轮郭特征提取

使用FT和HHT分别对男女语音的能量轮廓特征进行提取,并通过聚类性能分析判别两种方法提取的语音能量轮郭特征的有效性.Matlab仿真结果表明,不管是男生分类、女生分类还是男女分类,用HHT提取的语音特征的聚类效果都比FT的效果好,能较好体现不同语音信号的个性信息,有助于提高识别率.     

基于HHT和改进PNN的CSI人体动作识别研究

为了有效判别真实摔倒动作与疑似摔倒动作、提高动作识别准确度,提出基于希尔伯特黄变换(Hilbert-Huang transform, HHT)和改进概率神经网络(probabilistic neural networks, PNN)的信道状态信息(channel state information, CSI)人体动作识别算法。对CSI的幅度与相位融合信号进行数据预处理,利用HHT来提取区分人体动作信息的瞬时幅值和瞬时频率作为分类特征构建特征矩阵,在遗传算法(genetic algorithm, GA)优化的PNN神经网络中训练出能有效检测真实摔倒和疑似摔倒动作的GA-PNN人体动作识别模型;利用训练好的识别模型对输入的CSI数据进行摔倒动作的判别。仿真实验表明,提出的算法能有效地检测真实摔倒和疑似摔倒动作,其识别准确度可达到97.18%,且误报率较低。     

希尔伯特-黄变换在轴承故障诊断中的应用研究

该文通过运用希尔伯特-黄变换（Hilbert—HuangTransform,简称HHT）对轴承的故障信号进行分析,用以诊断故障类型,并取得了较好的效果,为轴承故障诊断提供了一项可行方法。     

基于HHT的微震信号分析

利用希尔伯特-黄变换(HHT)中经验模态分解(EMD)法,对武钢金山店铁矿微震监测信号进行分解,得到满足一定条件的IMF分量,再对其进行希尔伯特变换,得到能量谱图,通过对波形和谱图的分析,实现微震震源的提取及分类。     

冗余配置陀螺仪故障诊断方法研究

陀螺仪冗余配置是提高捷联惯导系统可靠性的重要手段。研究了6个单自由度陀螺仪的配置方案和故障检测方法。该方法可以对多个陀螺仪同时出现故障的情况进行检测与隔离。     

动力调谐陀螺仪模型快速开环辨识

为了实现对动力调谐陀螺仪闭环测量系统的快速设计,建立了参数模型辨识系统,对激励信号设计、模型类结构选择、参数估计算法等问题进行研究.首先依据惯性元件的特点,设计了适宜于动力调谐陀螺仪测试的多正弦激励信号,然后基于外加输入自回归（ARX）模型,采用预报误差法辨识得到模型参数,最后针对某型号动力调谐陀螺仪设计实验进行验证,并与传统扫频法建模得到的结果进行对比.结果表明：模型辨识时间由2 000,s缩短为20,s,辨识拟合度由92.5%提高到95.3%.与传统扫频法相比,通过多正弦激励、ARX模型和预报误差法进行陀螺模型辨识可得到更高的辨识精度、抗噪声能力和辨识效率,为快速设计闭环系统提供了可靠的依据.     

动力调谐陀螺仪再平衡回路的多变量频域设计

在多变量频域内讨论动力调谐陀螺仪的解耦问题，基于多变量系统的特征分解和特征轨迹－交互控制器设计方法，设计了动力调谐陀螺仪再平衡输入补偿器，实现了动力调谐陀螺仪的近似解耦控制，解决了传统的对角解耦设计因零极点相消导致系统在章动频率点不可控的问题，为动力调谐螺仪再平衡回路的设计提供了一种新方法。     

基于自适应神经网络的电路系统故障诊断研究

针对人工神经网络的特点,对传统BP算法进行了全面改进,通过采用自适应学习率和动量因子修正等方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以电路系统的故障诊断为例,引入了模糊数学中的隶属度函数,对故障特征量进行处理后作为自适应神经网络的输入,故障编码作为网络的输出。实验仿真结果表明,该系统对电路故障类型能够有效地进行诊断和识别。     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

基于神经网络的摊铺机液压系统故障诊断方法

以摊铺机液压系统为研究对象,提出了基于神经网络的故障诊断模型。结合BP神经网络基本知识和摊铺机液压系统故障的特点,研究了诊断知识的获取方法,设计了摊铺机液压系统故障诊断网络的基本结构。通过与模糊理论相结合研究了输入输出特征向量表达和获取的具体方法,提高了故障诊断神经网络模型的实用性,并提出改进学习效率和动态BP算法可以提高故障诊断神经网络的性能。     

基于粗糙神经网络的故障诊断技术研究

针对故障诊断中设备监控数据越来越多的特点,提出用于故障诊断的粗糙神经网络模型。此模型的创新点是基于SOFM网络和差别矩阵的离散化算法,此算法不但指导属性划分类数,而且保证了得到最优属性约简,同时,充分利用了粗糙集和神经网络的故障诊断能力来保证诊断结果的准确性和彻底性。实践证明:此模型在工程上有着很好的适用性和可信性,能够为解决现代工业工程中的故障诊断提供有效的参考。     

基于粗糙集-神经网络故障诊断技术的研究

提出了一种基于粗糙集-神经网络故障诊断新方法,该方法利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则.该规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度.通过对一个电力电子电路进行实验,实验结果表明,该方法可以有效地减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,在故障诊断中有良好的应用前景.     

基于RBF神经网络的温度传感器故障诊断

采用RBF神经网络进行温度传感器故障检测,利用TE （Tennessee-Eastman）控制系统中的温度传感器的输出信息建立动态神经网络温度传感器输出模型,并利用该模型进行在线的故障检测,仿真结果表明该模型有很强的抗干扰性,同时还有较好的收敛性和稳定性.