一种矿井主要通风机故障诊断系统

采用经极限学习机训练的神经网络建立故障诊断模型,基于该模型设计了一种矿井主要通风机故障诊断系统,介绍了该系统的软硬件设计方案。测试结果表明,该系统中极限学习机算法运行时间仅为0.031 3s,故障诊断准确率不低于97.35%,其实时性和准确性优于基于BP神经网络、ELMAN神经网络、经支持向量机训练的神经网络等模型的主要通风机故障诊断系统。     

基于BP神经网络模型的电机故障诊断专家系统

针对传统机械设备故障诊断专家系统存在知识获取能力弱、求解有一定局限性等问题，介绍了BP神经网络旋转机械故障诊断专家系统，对单位BP算法，BP神经网络的建立、训练及应用作了具体说明。该系统学习效率高，故障诊断准确，已成功应用于铁路机车走行部的轮对电机在线故障诊断。     

高瓦斯矿井双局扇系统故障诊断方法的研究

针对现有故障诊断方法及其局限性,文章提出了基于粗糙集神经网络的故障诊断专家系统模型,并将该模型应用于高瓦斯矿井双局扇系统的故障诊断中。重点阐述了基于粗糙集神经网络的高瓦斯矿井双局扇故障诊断专家系统的结构及各功能模块的设计,讨论了知识获取模块和神经网络知识库等关键技术,最后详细给出了系统的仿真结果。     

基于神经网络的异步电动机故障诊断专家系统的研究

针对传统的专家系统在对异步电动机进行故障诊断时知识获取困难且无法解决新故障的问题,提出了一种基于神经网络的异步电动机故障诊断专家系统的设计方案,给出了系统结构及神经网络模型设计。仿真结果表明,该系统能够很好地结合专家系统与神经网络的优势,达到了异步电动机故障诊断的预期目标。     

一种改进的BP神经网络在飞机燃油系统故障诊断中的应用

将一种改进了的BP神经网络算法应用于飞机燃油系统故障诊断中，仿真验证结果表明，该算法具有诊断速度快、误诊率低的特点；并为开发基于神经网络的飞机燃油故障诊断专家系统奠定了基础。     

基于神经网络的故障诊断专家系统研究

针对传统专家系统和神经网络的各自特点,将两者有机结合,构造了一种基于神经网络的混合型故障诊断专家系统。提出了神经网络子模块NNM的概念并分析了NNM的具体实现方法。应用该故障诊断模型对某内燃机组供油系统故障进行了模拟验证,试验结果表明神经网络与专家系统结合是一种有效的诊断方法。     

基于神经网络专家系统的大型异步电动机故障诊断

针对大型异步电动机发生故障时 ,故障征兆与故障原因之间复杂的对应关系 ,提出了一种利用神经网络专家系统对电动机进行故障诊断的新方法 ,专家系统作为神经网络的外壳 ,充分发挥了专家系统和神经网络各自的特点。文章介绍了系统的构成、功能、算法及实现。该算法利用MATLAB的神经网络工具箱进行了仿真。结果表明 ,该算法可行 ,可大大提高故障诊断的准确性     

基于h-水平截集的模糊神经网络在专家系统推理中的应用

本文给出了基于h-水平截集的模糊神经网络模型及其改进学习算法,并以减摇鳍故障诊断为例来实现专家系统的模糊推理,以克服传统专家系统推理机的不足.     

AFSA＋PSO混合算法在BP网络故障诊断中的应用

提出一种基于人工鱼群算法和粒子群算法混合训练BP网络的故障诊断系统.采用人工鱼群算法和粒子群算法结合算法训练神经网络权值,局部搜索速度快且保证全局收敛,有效克服了传统的BP神经网络收敛速度慢且容易陷入局部极值的缺点.将该网络用于齿轮箱故障诊断,并与传统BP模型用于故障诊断结果进行了比较,取得了较好的效果.     

基于h——水平截集的模糊神经网络在专家系统推理中的应用

本文给出了基于ｈ－水平截集的模糊神经网络模型及改进学习算法,并以减摇鳍故障诊断为例来实现专家系统的模糊推理,以克服传统专家系统的推量机的不足。     

基于改进BP神经网络的某型装备故障诊断专家系统

分析神经网络和专家系统的特点．提出基于BP神经网络与专家系统结合的某型装备的故障诊断方法,构造BP神经网络的装备故障诊断专家系统的诊断模型,克服传统专家系统在知识获取和表达的薄弱环节,并用某型装备的故障实际数据进存验证,结果表明神经网络与专家系统结合是一种有效的诊断方法。     

BP神经网络在雷达故障诊断中的应用研究

对雷达混合电路故障诊断问题进行了研究,针对传统雷达故障诊断中的“自适应差”,“过分依赖故障数学模型”的缺陷。采用了一种故障诊断表示模型,提出将专家系统与神经网络相结合的诊断方法,避免了在实际中雷达电路难以建立精确的数学模型的问题。利用人工神经网络理论为其建立了BP神经故障诊断网络,增加了雷达电路故障诊断系统的“自适应性”。进而给出了网络训练算法和诊断步骤,最后给出了在某型雷达设备上仿真调试诊断的实例。     

人工神经网络在汽轮发电机组故障诊断中的应用

基于ＢＰ神经网络，结合船舶汽轮发电机组故障诊断问题，提出了一个适合于复杂、非线性系统的块层化神经网络诊断模型，并开发了一个诊断系统。通过实验优化了网络参数，经在某船舶汽轮发电机组进行的运行实验，验证了诊断模型高效的自组织、自学习能力。初步试验结果表明诊断系统是有效和可行的。     

基于神经网络的分解炉喂煤量智能控制系统

介绍了一种基于神经网络的智能专家系统,给出了系统的结构,具体描述了神经网络专家系统的基本原理。并以水泥工业的新型干法分解炉喂煤量智能控制系统为例说明了神经网络智能控制的推理过程。控制结果表明了该方法的有效性。     

火电厂生产过程故障诊断神经网络专家系统

将人工神经网络和专家系统结合地火电厂生产过程的故障诊断，提出并设计了热工过程故障诊断系统。同时对常规ＢＰ算法做了改进，神经网络则采用分层化与并联运用相结合的结构，从而使系统诊断速度和准确率得到提高。仿真结果表明了该系统设计的合理性和可行性。     

Improved shuffled frog leaping algorithm-based BP neural network and its application in bearing early fault diagnosis

This paper reports on a new back propagation (BP) neural network based on an improved shuffled frog leaping algorithm (ISFLA) and its application in bearing fault diagnosis. The ISFLA is developed on the basis of a chaotic operator and the convergence factor of particle swarm optimization to overcome the shortcomings of conventional shuffled frog leaping algorithm (SFLA). Testing results show that the proposed algorithm can effectively improve the solution accuracy and convergence properties and exhibits an excellent ability of global optimization in high-dimensional space. The presented ISFLA is then employed to optimize the weights and threshold values of BP neural network. An ISFLA-BP network model is established for the early fault diagnosis of rolling bearings. The proposed ISFLA-BP scheme has been compared with BP and SFLA-BP networks through experimental studies. Results indicate that the developed new model demonstrates better generalization capability and stronger robustness. It is able to effectively improve the efficiency of network training and the accuracy of early fault pattern recognition in bearing fault diagnosis tasks.     

基于反向传播神经网络的失流故障智能识别研究

为解决传统方法识别主网电流失流故障准确率低的问题,本文提出了一种基于反向传播神经网络的失流故障智能识别方法。本文利用反向传播的神经网络算法,通过梯度下降的方式反向修正各层权值,使网络输出误差达到可以接受的程度,从而达到对失流故障识别具有很好的自学习自适应能力的目的。首先根据对主网失流故障特征的研究,将失流故障分为持续失流与断续失流两种,构造对应指标,综合所有指标构建失流故障特征提取体系,最后建立反向神经网络来拟合失流故障提取体系。对数据进行识别,建立专家样本库,利用反向神经网络进行离线训练,训练完成后固定权值用于失流故障识别,从而准确输出失流故障事件。经实例验证,所提方法在识别准确率和识别效率优于一般分类识别方法,可实现失流故障的就地识别。     

基于神经网络和专家系统的故障诊断

分析了专家系统和神经网络在故障诊断中的应用，针对两种技术各自的优缺点，建立了一个基于神经网络和专家系统的采煤机集成故障诊断系统，介绍了系统的结构，诊断策略及神经网络的学习算法，并给出了仿真结果。