RBF网络在发动机故障诊断中的应用

介绍了RBF网络模型,分析了其特点,并探讨了基于RBF网络的发动机故障诊断方法.通过MATLAB进行仿真试验,结果表明RBF神经网络训练速度比BP算法快,是解决故障诊断问题的有效途径.     

基于贝叶斯网络模型的电子装备故障诊断研究

针对电子装备故障的层次性、相关性、不确定性特点,结合贝叶斯网络在处理不确定性问题上的优点,提出了电子装备故障诊断的贝叶斯网络方法;研究了基于故障树分析和故障模式、影响、危害度信息的贝叶斯网络模型建立方法,分析了贝叶斯网络的故障预测和推理原理,确立了各底事件对故障诊断的重要度,形成了故障诊断的合理顺序,通过实例验证了上述方法的可行性和有效性;研究成果对复杂电子装备的故障诊断有借鉴意义。     

基于神经网络和模糊逻辑的工业过程故障诊断与报警系统

用单一理论和方法对复杂系统进行故障诊断效果不太好.文章讨论了基于神经网络和模糊系统的故障诊断以及它们之间结合方式的特点,提出了一种保障工业生产安全可靠运行的有效方法:分级故障诊断算法 过程监控与报警,仿真并设计了基于工控网络的工业过程故障诊断与报警系统.研究表明基于径向基函数神经网络 模糊逻辑的算法具有较快的训练速度和较好的泛化能力,可识别多回路故障.     

基于自适应神经网络的高速数字电路测试的研究

介绍了神经网络的模型建立。针对高速数字电路故障诊断的特点,提出了基于自适应神经网络诊断方法;与传统的神经网络相比,基于自适应神经网络具有学习速度快、网络能够收敛到最优权值、收敛精度很高、网络的分类能力强等特点,从而很好地提高故障诊断的效率;通过一个测试用例验证自适应神经网络在高速数字电路测试诊断中的应用,可以大大提高故障诊断的效率。     

基于决策树的网络故障诊断专家系统模型

针对传统网络故障诊断专家系统在知识获取方面的固有不足,结合决策树算法和专家系统的特点,提出一种基于决策树的网络故障诊断专家系统模型,讨论网络故障诊断专家系统模型的推理机制和推测算法以及知识获取的实现方法。实践结果表明,模型在知识获取方面具有获取过程简单、计算复杂性低、适应性强的特点。     

基于ESCN的故障诊断技术在电力机车中的研究和应用

电力机车结构复杂，并且具有故障识别空间跨度大、难度高等特点，采用基于专家系统和通信网络(ESCN)的故障诊断技术对机车进行故障诊断非常合适。文章主要介绍了机车通信网络的节点、拓扑结构和网络协议，并讨论了诊断系统的知识库设计、推理机制以及系统结构等方面的内容。基于ESCN的机车故障诊断系统设计新颖、功能丰富，实际运行情况表明完全满足对机车故障诊断的要求。     

基于集成神经网络的深海机器人故障诊断研究

为了提高深海机器人多传感器系统的故障诊断能力,针对深海环境的特殊性,以及深海机器人的工作特点,提出了基于两级集成神经网络的故障诊断方法,建立了诊断子网络,从不同的方面对机器人故障进行诊断,并利用决策融合网络将诊断子网络的诊断结果进行融合会诊,得到系统最终的诊断结论;基于某型深海机器人海中试验数据进行计算机仿真实验的结果,验证了该方法的有效性和可行性。     

基于模糊推理的配电网单相接地故障诊断方法

提出了一种基于模糊推理的配电网单相接地故障诊断方法,即采用模糊理论对传统的零序电流群体比幅法、暂态零序电流互积求和法、信号注入法这三种传统的配电网单相接地故障诊断方法进行改进,根据模糊推理理论将三种故障诊断方法的诊断结果融合以综合判断;针对配电网支路多且复杂,但每条支路并不长的特点,对配电网络进行化简分层,并采用基于模糊推理的配电网单相接地故障诊断方法对分层后的配电网进行逐层判断,最终确定诊断结果。分析结果表明,该故障诊断及电网分层诊断方法能够准确、快速地判断出故障线路。     

BP神经网络在负载管理中心故障诊断中的应用

在分析电气负载管理中心故障特点的基础上,利用神经网络权值和阈值能够随实际的排故结果不断更新及正向推理速度较快的特性,提出了基于BP神经网络的负载管理中心故障诊断方案,并确立了故障诊断BP网络模型.借助于MATLAB的神经网络工具箱,采用两种改进的训练算法对网络进行训练,得到了用于诊断的BP神经网络模型,为检验该模型故障诊断的准确性,采用大量的数据样本进行了仿真.结果表明：基于神经网络的诊断方法故障识别率高、快速有效,具有良好的实用价值.     

煤气鼓风机故障诊断的神经网络模型研究与实现

针对煤气鼓风机的故障特点,提出了一种基于BP神经网络的故障诊断方法。通过大量的模拟数据实验研究建立了神经网络故障诊断模型,并且实现了算法的编程,利用典型的故障数据对神经网络进行了训练,最后采用煤气鼓风机的实际工作数据验证了网络的有效性和准确性。