首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 109 毫秒
1.
为了提高汽轮发电机组的故障诊断准确率,提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习,在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明,改进算法能够更有效地预测汽轮发电机组的故障.  相似文献   

2.
基于神经网络优化法的故障诊断应用研究   总被引:1,自引:0,他引:1  
在机械设备的故障诊断中,常采用BP网络算法对故障进行诊断计算,但由于BP网络易于收敛于局部极小点,且在初始参数与网络结构选取不当时。网络将出现发散现象.为此提出了将神经网络优化算法应用于汽轮发电机组的故障诊断中,实现了神经网络权值和阈值的快速计算,并以汽轮发电机组的故障诊断为背景。将两种算法的结果进行比较,证明该方法比BP算法精度高且收敛速度快、可靠性好.  相似文献   

3.
基于神经网络和小波分析的机组振动故障诊断   总被引:8,自引:0,他引:8  
对于水轮发电机组而言,尽快实施其故障诊断是十分必要的.小波包分析能有效地提取机组振动信号中的有用成分,采用小波包分解方法提取特殊频段上的能量特征值作为神经网络输入向量,针对南桠河水电厂实测数据采用单隐层BP网络进行训练并对不同故障模式进行识别,取得良好效果.  相似文献   

4.
为克服传统BP神经网络存在着容易陷入局部极小点、对初值要求高的缺点,综合遗传算法的全局优化和神经网络的并行计算等特点,探讨了一种基于遗传-神经网络的故障诊断的方法,并将其应用于汽轮发电机组故障识别.实验数据表明,遗传-BP神经网络的收敛和诊断能力优于BP神经网络,可有效运用到汽轮发电机组振动故障诊断中,具有一定的应用价值.  相似文献   

5.
介绍了BP神经网络的结构和算法,分析了如何将BP神经网络用于机械设备的故障诊断,结合汽轮发电机组的故障特性,建立了汽轮发电机组故障诊断的神经网络模型,并利用该神经网络模型对汽轮发、也机组的故障进行了诊断,诊断结果是正确和有效的。  相似文献   

6.
为了对雷达情报信息系统进行快速准确的故障诊断,提出了一种模糊神经网络的故障诊断方法.该方法将BP网络与FAM网络相结合,充分利用BP网络的分类功能和FAM网络的综合诊断功能,实现了高效、准确的故障诊断.最后通过对雷达情报信息系统故障实例的诊断仿真,证明了该算法的合理性.  相似文献   

7.
结合粗糙集理论和神经网络在信息处理方面的优势,提出了一种基于粗糙集理论与BP神经网络相结合的烟气机故障诊断方法.首先对故障诊断数据中的连续属性进行离散化,然后根据粗糙集理论进行故障诊断决策系统约简,获得最优决策系统.最后在最优决策系统的基础上,设计BP神经网络对烟气机故障进行诊断.试验结果表明,该方法可以有效提高烟气机故障诊断的精度和效率.  相似文献   

8.
针对BP神经网络对提升机制动系统进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于粒子群神经网络的故障诊断方法.根据制动系统故障征兆与故障类型之间的非线性和耦合性,建立了提升机制动系统的故障诊断模型;采用改进的粒子群算法优化BP神经网络的连接权值和阈值,应用于制动系统的故障诊断,缩短了神经网络的训练时间,提高了故障诊断的精度.仿真结果表明该诊断方法具有故障诊断能力强和诊断效率高等特点.  相似文献   

9.
介绍了凝汽器的故障诊断常用的三种诊断方法,BP神经网络法、模糊诊断法、模糊模式识别法。通过比较发现BP神经网络相对于另外两种诊断方法具有明显的针对性和准确性。然后,在BP神经网络诊断的基础上进行了“基于BP神经网络的凝汽器的故障诊断”系统的开发。  相似文献   

10.
提出了基于BP神经网络的三相SPWM逆变电路的故障诊断方法。首先提出BP神经网络模型及算法,然后运用BP神经网络对三相逆变电路进行故障诊断,通过调整隐含层节点和学习参数,寻找出最优的BP神经网络结构。最后,采用非学习样本数据对训练好的网络进行仿真,实验结果表明该故障诊断方法正确率达99%,该诊断方法同样适用于其它电力电子电路。  相似文献   

11.
基于小波包分析的水轮发电机组振动的故障诊断   总被引:17,自引:0,他引:17  
针对水轮发电机组振动的频谱特点 ,提出了基于小波包分析的水轮发电机组振动的故障诊断方法 .运用小波包分析对振动信号进行分解与重构 ,可以获得振动信号的突变信息 ,即可以获得机组振动的故障状况 ,从而为诊断机组振动的故障状况提供决策支持 .理论计算表明 ,应用小波包分析技术不仅可以确定信号的突变点 ,而且可以在全频范围内确定信号的突变发生的时间及程度 .计算机仿真表明这种信号分析方法对水轮发电机组振动的故障诊断是十分有效的  相似文献   

12.
采用粒子群算法和反向传播神经网络建立一种新型变压器故障诊断网络模型,设计故障诊断方法.仿真分析结果表明:基于该网络模型的诊断方法与传统的三比值法相比较,具有较好的故障识别与分类能力,显著提高了诊断准确率,将在电力设备故障诊断中有良好应用前景.  相似文献   

13.
In order to guarantee quality during mass serial production of motors, a convenient approach on how to detect and diagnose the faults of a permanent-magnetic DC motor based on armature current analysis and BP neural networks was presented in this paper. The fault feature vector was directly established by analyzing the armature current. Fault features were extracted from the current using various signal processing methods including Fourier analysis, wavelet analysis and statistical methods. Then an advanced BP neural network was used to finish decision-making and separate fault patterns. Finally, the aeeuracy of the method in this paper was verified by analyzing the mechanism of faults theoretically. The consistency hetween the experimental results and the theoretical analysis shows that four kinds of representative faults of low power permanent-magnetic DC motors can be diagnosed conveniently bv this method. These four faults are brush fray, open circuit of components, open weld of components and short circuit hetween armature coils. This method needs fewer hardware instruments than the conventional method and whole procedures can be accomplished by several software packages developed in this paper.  相似文献   

14.
针对传感器故障,提出了一种BP网络和修正的Bayes分类算法(MB)的集成故障诊断方法.用BP神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,再用修正的Bayes算法进行传感器故障的在线检测、分离和估计.对连续搅拌釜式反应器(CSTR)的仿真结果表明,该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计,并对传感器故障具有容错性.  相似文献   

15.
传统的故障预测方法难以对不同工况下的滚动轴承故障进行有效预测,为此,提出了一种基于BP神经网络和DS证据理论的滚动轴承故障预测方法。首先采用擅长于处理非平稳信号的小波包分解对多个传感器采集的原始振动数据进行特征分析,然后对BP神经网络的结构和参数进行优化设置并使用多个BP神经网络分别进行故障预测模型训练,最后利用DS证据理论将多个神经网络得到的预测结果进行融合并输出最终预测结果。实验结果表明,该方法能对不同工况下的滚动轴承故障进行有效预测,故障预测平均准确率达96.37%;且与相关文献提出的方法相比,所提出的方法得到的滚动轴承故障预测准确率有所提升。  相似文献   

16.
复杂系统的故障种类多样,成因复杂,依靠传统的数学建模方式对复杂系统的故障进行识别和研究比较困难。研究了BP网络的非线性逼近能力和多分类能力,在此基础上分析了BP网络的设计方法和存在的缺陷,提出了一种基于变学习速率法与共轭梯度法相结合的BP网络性能改进算法,将其用于复杂系统的故障进行识别并进行了实验验证。实验的结果表明,改进后的BP网络缩短了训练时间,提高了故障识别的准确率,增强了网络的泛化能力,取得了良好的效果。  相似文献   

17.
基于人工神经网络的电力电子电路故障诊断   总被引:4,自引:0,他引:4  
提出了采用基于波形直接分析的人工神经网络故障诊断方法实现电力电子电路的故障诊断.以三相整流电路的诊断为例,设计了人工神经网络的层数和点数,建立了三相整流电路的模型获取了样本数据,并训练了人工神经网络.仿真表明用四层人工神经网络对三相整流电路进行诊断可获得正确结果、  相似文献   

18.
针对压缩机气阀故障信号非平稳性、非周期性的特点,提出一种基于主成分分析(PCA)和GA-PSO优化BP神经网络的压缩机气阀故障诊断方法。首先利用小波包分解提取出气阀故障的特征;然后故障特征向量通过PCA降维,降低网络的规模和计算时间。针对标准BP算法收敛速度慢且易陷入局部极小的缺点,引入一种GA-PSO算法用于BP神经网络的参数优化过程。最后以往复压缩机阀盖的振动信号作为信号源,通过故障诊断仿真测试,验证了PCA和GA-PSO-BP神经网络对压缩机气阀故障诊断具有可行性和有效性。  相似文献   

19.
将网络操作、伴有固态限流器动作的短路故障统一处理成电力系统网络结构变化,采用向网络操作端口、虚拟固态限流器端口和虚拟短路故障端口分别接入一组虚拟网络来模拟变结构电力系统中伴有固态限流器动作的各种短路故障,建立起故障计算模型。基于补偿法,借助于相序参数变换技术,提出了一种含固态限流器的变结构电力系统短路故障计算的新方法。这种方法的主要特点在于:可适应电力系统网络拓扑结构变化;模拟网络操作、伴有固态限流器动作的短路故障所需的虚拟网络相互独立、结构简单;互感线路故障与非互感线路故障模拟方法完全相同;可精确模拟金属性与非金属性短路故障;故障计算无需修改原网数学模型。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号