基于Elman神经网络的液压泵故障诊断模型研究

针对传统BP网路进行液压泵故障诊断时，网络学习具有收敛速度慢和学习、记忆不稳定的缺陷，提出了将Elman神经网络应用于液压泵故障诊断的新方法，建立了Elman神经网络的应用结构模型，介绍了该网络的训练算法，阐明了液压泵故障诊断的实现过程。通过试验验证了该神经网络收敛速度快，学习记忆稳定，具有很好的学习功能；测试结果表明该诊断方法具有高可靠性，达到了预期的效果，可以用于液压泵故障诊断。     

基于阿里云的远程监测及故障诊断系统研究

针对当前工业现场数据远程查询灵活性不足、传统故障诊断方式效率较低和扩展性较差、故障报警信息形式单一等问题,设计了基于阿里云的大型臭氧发生器远程监测及故障诊断系统。该系统通过工业无线的方式实时采集臭氧发生器的运行数据并上传至阿里云,在阿里云上利用BP神经网络进行故障诊断。终端采用B/S架构实现远程数据监测及手机短信报警等功能。该系统增强了现场数据查询的灵活性,提高了故障诊断的准确性,改善了现场故障处理的及时性。     

液压泵轴承故障诊断的神经网络方法研究

他基于集成ＢＰ网络的液压泵轴承故障诊断方法。利用频域和倒频域进行特征提取,采用集成ＢＰ网络进行故障诊断和识别,解决了液压泵轴承故障特征提出困难、多故障识别困难的问题。试验结果表明,利用集成ＢＰ网络可以有效地诊断与识别液压泵轴承多故障模式,并且具有很强的鲁棒性。     

人工神经网络在液压泵故障诊断中的实现

本文介绍了人工神经网络对液压泵进行故障诊断的原因、结构及网络训练步骤。     

LCD模糊熵和SOM神经网络在液压泵故障诊断中的应用

针对液压泵故障诊断问题,提出了一种基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)、模糊熵和SOM神经网络三者相结合的故障诊断方法。对液压泵振动信号进行LCD分解,得到若干个内禀尺度分量(Intrinsic Scale Component,ISC);将ISC分量分别与原信号进行相关分析,筛选出包含主要故障信息的前几个ISC分量,计算其模糊熵并组成特征矩阵;将特征矩阵输入SOM神经网络进行分类识别。液压泵故障诊断实例表明,该方法能够准确识别液压泵典型故障,具有一定优势。通过与BP神经网络分类结果相对比,显示了SOM神经网络在特征分类方面的优越性。     

基于BP神经网络的液压挖掘机故障诊断的研究

为了实现液压挖掘机的整机故障诊断,提出基于BP神经网络的故障诊断方法.将BP神经网络应用于液压挖掘机的故障诊断中,研究BP神经网络的结构和算法.以液压挖掘机整机故障诊断为例,选择典型的故障样本训练神经网络,使神经网络具有较好容错性和稳定性,经过训练的神经网络就可以实时、准确地诊断出挖掘机的故障.并使用Matlab的神经网络工具箱进行模拟仿真,仿真结果表明:BP神经网络能够很好地应用于液压挖掘机的实际故障诊断,网络收敛速度快、学习记忆稳定,具有一定的工程实用价值.     

基于BP神经网络的铸机故障诊断系统研究

为提高铸机故障诊断能力,设计利用BP神经网络实现故障与特征的非线性映射方法。在该映射关系中,分析了BP网络故障诊断思路,并以搬运机械手为例,通过BP神经网络对其网络控制、液压驱动、回转及行走配合过程中的故障进行诊断。通过分析表明,BP网络能解决复杂装备诊断困难等问题。     

基于神经网络的汽车EPS传感器故障诊断

汽车EPS传感器的故障诊断对提高汽车行驶的安全性具有重要的意义.提出了将BP神经网络引入汽车EPS传感器中的故障诊断思想.结合故障树分析(rrA)原理,给出基于EPS系统的传感器故障树模型结构图,以BP神经网络为训练网络,从传感器故障模型中选取故障征兆,进行网络训练,最终实现对EPS传感器的故障诊断.训练结果表明该方法在EPS传感器故障诊断中具有较高的诊断精度以及很好的稳定性.     

基于BP神经网络的浆体管道输送系统故障诊断

在浆体管道输送系统中,受设备成本、安装难度等因素的限制,往往安装的测量仪表较少,从而导致可测变量偏少,且变量之间存在非线性关系,难以建立精确的数学模型,给故障诊断带来很大困难。通过MATLAB神经网络工具箱构建BP神经网络,利用离线数据对网络进行训练,将训练好的BP网络应用到浆体管道输送系统故障诊断中,有效地实现了两种典型故障的诊断。     

柴油机故障诊断系统的研究

为实现对柴油机的不解体检测和工况监测,研究开发了一种基于PC/104嵌入式计算机的柴油机故障诊断系统。介绍了系统结构、工作原理及PC/104嵌入式计算机的功能和特点,在6135型柴油机上的测试结果表明,系统能有效地对运行中的柴油机进行状态监测和故障诊断。     

基于遗传算法优化BP神经网络的液压系统故障诊断

液压系统作为控制和动力传输设备的核心部件,在现代工业生产机械中被广泛应用,准确诊断其故障具有提高生产效率和保障工作安全性等重要的工程意义。液压系统一旦发生故障往往是多故障同时出现,传统BP神经网络故障诊断算法往往不能满足多故障诊断准确率,提出一种基于遗传算法改进BP神经网络（GA-BP）的液压系统故障诊断方法,针对不同采样频率下多传感器信息融合的液压系统3种典型的故障模式进行对比分析。结果表明：GA-BP故障诊断算法相对于传统的BP神经网络具有更好的诊断性能。     

运架一体机行走液压系统泄漏故障仿真与诊断

针对YJ900运架一体机行走液压系统容易发生的内泄漏故障问题,运用AMESim软件建立其液压仿真模型。模型中引入泵泄漏、马达泄漏以及泵和马达同时存在泄漏3种典型故障模式,并采集液压马达进出口数据作为样本。将数据样本分为训练样本和测试样本,将训练样本输入MATLAB搭建BP神经网络故障诊断模型,并用测试样本完成故障模型的测试。主要研究神经元个数以及训练样本数对故障诊断成功率的影响。利用粒子群优化算法(PSO)对BP神经网络进行初始权重和偏置的优化,从而显著提高了少训练样本下的故障诊断成功率     

基于小波神经网络的液压泵故障类型识别

根据液压泵发生故障所表现出来的特征,采用小波包能量值提取的办法作为故障类型识别的特征量,采用BP神经网络对输入的特征量进行识别。实验结果表明:采用小波神经网络对液压泵故障类型的识别可以取得满意的效果。     

多传感器信息融合在液压系统智能故障诊断中的应用

针对采矿工程机械液压系统故障诊断方法存在的局限性，提出了一种基于多传感器信息融合的智能故障诊断方尊。该方法采用模糊神经网络融合诊断中心作为故障诊断的执行机构，算法上采用BP算法。通过一实例论证了在液压系统故障诊断中采用多传感器信息融合故障诊断方法比采用单传感器信息故障诊断方法更具有准确性和可靠性。     

基于优化VMD和BP神经网络液压管路故障诊断研究北大核心

针对航空发动机液压管路故障信号易受噪声干扰、管路故障诊断准确率不高等问题,提出基于优化变分模态分解和BP神经网络的故障诊断方法。利用遗传算法自适应确定变分模态分解K、α的最优参数,然后采用优化后的变分模态分解方法对航空液压管路的振动信号进行分解,最后将故障特征明显的故障分量输入BP神经网络模型中进行训练和分类。结果表明:提出的基于变分模态分解与BP神经网络的航空液压管路故障诊断方法能够精准识别出航空液压管路多种不同的故障状态。     

基于无线网络的液压系统故障诊断方案设计

针对某大型武器设备液压系统各组成部分位置分散的特点,提出基于无线网络的液压系统故障诊断方案.设计了液压系统故障诊断的软件与硬件,阐述了运用BP神经网络的液压系统故障诊断方法,对无线数据传输协议进行了优化与设计.该方案将无线网络技术用于数据传输,省去了大量电缆连接,简化了系统,实现了对武器装备液压系统的远程监测和快速故障诊断.     

小波包神经网络在齿轮泵故障诊断中的应用

采用小波包技术提取齿轮泵的振动信号的小波包能量谱及其谱熵,作为改进的BP网络的输入特征,进行齿轮泵的故障诊断.实验结果表明,该方法大大地提高了诊断的可靠性.     

神经网络在复杂液压系统故障诊断中的应用

尝试将BP神经网络应用于液压系统的故障诊断，阐述了基于BP神经网络的故障诊断专家系统的基本结构及知识库组建的方法。结合工程机械液压系统，建立了适合复杂系统故障诊断的复合神经网络结构。该诊断系统具有知识库规模小、推理速度快、推理过程及结论明确等优点。