基于萤火虫优化BP神经网络的数控机床故障诊断

为了提高数控机床故障预测的能力,针对BP神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题,提出了一种基于萤火虫算法优化BP神经网络的数据机床故障诊断算法。文章详细介绍了常见的数控机床故障类型和分类,在萤火虫优化算法和BP神经网络的基础上,建立了萤火虫算法优化BP神经网络的数控机床故障诊断模型,并提出了基于该模型的算法。该模型和算法采用萤火虫算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络能对测试集进行更好的预测。实验结果表明,萤火虫算法优化BP神经网络的预测误差明显小于GRNN和PNN算法。该模型和算法具有很好的预测能力,可以快速、准确地完成数控机床故障诊断研究。     

基于AR模型和神经网络的柴油机故障诊断

建立了一种基于AR与RBF神经网络结合的诊断模型,模拟柴油机气阀漏气、气门间隙异常等故障,采用NI公司PCI-4472采集卡在LabVIEW7．1平台上开发了柴油机缸盖振动信号采集分析与诊断系统。首先,对利用该系统采集的缸盖振动信号样本建立AR模型并进行AR谱估计,从中提取5个特征参数,然后利用RBF神经网络进行故障模式识别。结果表明,该诊断方法具有较高的精度,便于故障在线监测与诊断系统的开发。     

基于模糊Petri网的压缩机故障诊断

针对压缩机故障诊断系统知识具有不确定性和模糊性的特点,给出了基于模糊产生式规则的模糊Petri网模型和反向推理算法,并以Ⅰ级压力过低故障诊断为例,说明了该模型具有直观,表达能力强和易于推理的优点。     

基于Petri网的液压马达故障诊断

针对液压马达故障诊断中特征提取的瓶颈问题,提出一种基于Petri网的液压马达故障诊断方法。以叶片式液压马达为例,分析液压马达常见的故障及原因,利用Petri网的知识表示方法提取故障征兆和故障原因,建立基于petri网的液压马达故障诊断模型,经过Petri推理,结果表明该方法是有效的。     

基于Petri网的故障诊断方法研究

Petri网作为一种图形化的网络与建模工具,能方便的表示和分析信息流,进行逻辑关系的表达和系统行为的建模,在故障检测和诊断领域得到越来越广泛的应用.该文对基于Petri网的故障诊断方法进行了系统研究,旨在为工程实践提供理论基础.     

基于SOM神经网络的柴油机故障诊断

利用神经网络的非线性映射及其高度的自组织和自学习能力,将SOM网络应用于柴油机的故障诊断.利用夹持式传感器获得柴油机喷射系统的燃油压力波形,对波形进行时域分析和特征提取.根据所取得故障信息及其对应的故障类型来构造网络结构,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对故障进行判断.通过仿真实验验证SOM神经网络在柴油机故障诊断的正确性.经实例分析证明,该方法可对故障进行有效诊断.     

基于粗糙集和Petri网理论的矿井电网故障诊断

结合真实井下变电站的情况,将粗糙集和Petri网理论结合提出了一种故障诊断的方法,即利用粗糙集知识约简和处理不确定信息的能力,对变电站的故障诊断知识实现属性优选,获得最小诊断规则,用来建立最优的Petri网模型,并利用Petri网并行推理的能力实现简洁高效的故障诊断。测试表明该方法能有效地缩减求解规模,诊断速度快,正确率高。     

基于小波包和神经网络的柴油机气门故障诊断

通过调整柴油机不同气门间隙模拟故障,利用小波包分解算法对所采集柴油机缸盖表面的振动信号进行频带分解,以小波包频带能量百分比为特征向量,以同一工况下多次采样均值作为标准模式,通过改进BP神经网络实现了对柴油机气门间隙异常的故障诊断.     

基于Petri网的机动车故障诊断专家系统设计

鉴于传统机动车故障诊断过程的复杂性、低效率和对维修人员素质的高要求,设计了一种基于Petri网的机动车故障诊断专家系统。该系统融合了多渠道故障特征的信息库和专家诊断知识库系统,在对机动车故障诊断过程中,系统先进行故障树分析(FTA),再利用Petri网的关联矩阵求出所有最小割集,并把它们作为诊断规则存入专家知识库;再结合最小割集重要度优先级来推理,实现机动车故障的快速定位并给出故障维修方案。最后用实例验证了该系统的实用性。     

基于模糊Petri网的数控机床主轴故障诊断

根据数控机床主轴的故障信息,给出数控机床主轴的Petri网模型,直观地描述了主轴故障之间的发生关系。提出了改进的模糊Petri网模型,结合故障间发生关系的可信度和故障发生的频率进行了逆向推理,准确、快速地找到引起主轴故障的根本原因,减少了维修时间,提高了主轴可用性。     

基于模糊Petri网的变电站故障诊断研究

变电站应用SCADA系统可以获得大量继电保护和断路器动作信息,然而这些信息可能是不完全不确定的,这限制了故障诊断的有效性和正确性。文章尝试使用模糊Petri网来处理SCADA系统获得的这些不确定信息,以期获得较好的并行处理性和容错性。在模糊Petri网的基本概念的基础上,阐述了搜索故障区域的方法,建立了故障诊断的模糊Petri网模型。运用文中所提出的方法进行了实例研究,仿真分析结果说明了方法的可行性。     

基于概率神经网络的柴油机故障诊断研究

针对柴油机故障的人工诊断方法存在诊断难度大、诊断速度慢、干扰因素多等问题,提出了使用概率神经网络模型进行柴油机故障智能诊断的方法。实验结果表明,该方法能够有效应用于柴油机故障诊断中,并在诊断速度、准确率等方面均优于人工诊断方法。     

基于数据挖掘的柴油机磨损故障诊断Petri网络模型

首先利用数据挖掘中的粗糙集理论对铁谱磨损模式进行了简化,再建立发动机磨损故障诊断的模糊Petri网模型,该模型将模糊启发式规则的表示和诊断能力融为一体,完成不确定性知识和过程性的模糊诊断推理,并通过简单的矩阵运算快速获得了诊断结果.Matlab的仿真结果证明,该方法在信息不完善或不准确的情况下,对柴油机磨损故障诊断是有效的.     

基于神经网络的船用柴油机故障诊断专家系统

介绍一种基于神经网络的船用柴油机的故障诊断专家系统，以及系统结构、神经网络的学习算法，给出应用实例，诊断结果表明该方法的有效性。     

基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

基于神经网络的柴油机燃油系统故障诊断

柴油机燃油系统是汽车柴油机的重要组成部分,其工作状态的好坏将直接影响汽车柴油机运行的安全性和经济性,它是汽车柴油机故障的主要来源。采用神经网络的方法,使用改进型的BP神经网络,对汽车柴油机燃油系统进行故障诊断,诊断结果表明该方法可行,适合于实时检测的场合。     

基于改进萤火虫算法神经网络的刮板输送机减速器故障诊断

为了对刮板输送机减速器故障进行准确诊断研究,提出了一种基于改进萤火虫算法优化神经网络故障诊断方法。首先对刮板输送机减速器故障特征参数进行特征提取,其次应用特征数据样本进行基于神经网络的故障诊断模型训练,利用改进萤火虫算法对神经网络权值、阈值进行优化,加快目标的优化求解,得到最优的网络模型。初步研究表明将改进萤火虫算法与BP(back propagation)神经网络结合可以有效地解决神经网络收敛速度慢,易陷入局部最优等问题,可以对刮板输送机减速器的故障进行准确诊断。     

故障诊断综合信息Petri网的研究

为了解决故障诊断中的冲突消解问题,将故障概率信息和管理信息引入模糊Ｐｅｔｒｉ网,故障诊断综合信息网模型。研究了基于综合信息网的故障诊断问题,对故障进行分类、分析了不同类型的故障诊断所需管理信息的内容,确立了概率与管理信息的关系,通过机械手掉刀故障的诊断,验证了该模型和方法的正确性与可行性。     

基于 Petri 网的复合故障诊断方法的研究

讨论了将基于被诊断对象Ｐｅｔｒｉ网模型的诊断方法和基于知识的诊断方法有效地结合起来,形成一种复合诊断方法的问题。这种方法体现了前向诊断和后向诊断相结合,浅知识和深知识相结合的思想,在诊断的准确性和实时性方面具有优势。     

基于模糊Petri网的液压系统故障诊断研究

某型多用工程车负载敏感液压系统采用负载敏感节能技术,具有系统复杂、作业环境恶劣、故障多发、故障模糊性强等特点,对其进行故障诊断、推理定位一直是维修保障的重点与难点.该文利用模糊Petri网并行推理机制以及与故障树的映射关系,建立了基于故障优先级的反向推理诊断.诊断结果表明:模糊Petri网适合于故障多发、系统复杂、模糊...