基于混合推理机制和光谱分析的活塞压缩机磨损故障诊断设计

建立了压缩机组磨损基于规则推理与人工神经网络混合推理的专家系统模型，应用该模型可以解决规则不足的问题，同时采用黑板机制实现神经网络推理与基于规则推理之间的转换，克服基于规则推理效率低下，知识获取困难的障碍，实现演绎推理（基于规则推理）和归纳推理（人工神经网络）的有机配合。     

基于混合蛙跳优化神经网络的轴承故障诊断研究

以滚动轴承故障诊断为课题研究背景,以JZQ250型号传动箱为实验对象,将混合蛙跳算法与BP神经网络进行结合,利用混合蛙跳算法高效的计算性能和优良的全局搜索能力,对BP神经网络的网络结构进行优化。通过对比发现,混合蛙跳算法优化后的BP神经网络模型,可避免BP神经网络在训练中陷入局部最优,减短训练时间,提高训练准确度,具有较高收敛速度和准确诊断能力。通过一系列训练和测试,结果表明,这种方法能够提高诊断的可靠性和准确性。     

混合蛙跳脊波神经网络观测器电机故障诊断研究

针对牵引电机非线性、强耦合、时变的特点,提出一种基于混合蛙跳算法脊波神经网络观测器牵引电机故障诊断方法.该方法利用观测器生成残差,并通过对残差的分析实现故障检测与分离.首先将牵引电机模型分为线性函数部分和非线性函数部分,并利用脊波神经网络逼近这个非线性函数,然后在此基础上建立自适应观测器,并通过最优算法求出观测器反馈增益矩阵.为提高神经网络的收敛速度和逼近精度,利用混合蛙跳优化算法对神经网络参数进行优化.通过实验对混合蛙跳算法脊波神经网络观测器、RBF神经网络观测器以及BP神经网络观测器进行比较,结果表明,该方法的收敛速度较BP神经网络观测器提高了80.3％,故障诊断准确率提高41.5％.     

多层感知机在模拟/混合电路故障诊断中的应用

多层感知机具有解决复杂分类问题的能力,应用于模拟/混合电路的测试,能够实现快速故障诊断及定位,具有准确率高的特点。实验证明该方法是行之有效的。     

基于神经网络的气体传感器故障诊断

该文介绍了一种基于人工神经网络进行了气体传感器故障检测的新方法，文中利用单个气体传感器的输出信息为气体传感器建立了动态非线性神经网络气体传感器输出模型，并利用该模型进行在线故障检测，实际使用证明该模型具有良好的收敛性和稳定性，完全能满足对气体传感器故障在线检测的需要。     

传感器的故障诊断技术研究

传感器故障诊断技术的研究对提高系统可靠性具有重要意义,本文综述了近年来国内外对传感器故障进行诊断的技术研究,主要内容包括硬件冗余,分析冗余、信号处理、人工神经网络方法等,简要地给出了有代表性的研究成果,并对传感器故障诊断技术的发展趋势和有待解决的问题作了一定的分析与探讨。     

基于混合智能新模型的故障诊断

为了解决机械设备中早期故障和复合故障识别的难题,提高故障诊断的准确率,利用经验模式分解(Empirical mode decomposition,EMD)、改进的距离评估技术、自适应神经模糊推理系统(Adaptive neuro-fuzzy inference system, ANFIS)和遗传算法(Genetic algorithm, GA)等技术,提出一种综合运用多征兆域特征集和多个分类器的混合智能诊断模型。该模型在特征提取之前,利用滤波、EMD、解调等预处理技术挖掘潜藏在动态信号中的故障信息;从原始振动信号和预处理信号中,分别提取从不同侧面表征设备运行状态的时域和频域统计特征,得到6个特征集。采用提出的一种改进的距离评估技术选择特征,从6个原始特征集中相应地筛选出6个敏感特征集。将6个敏感特征集输入到基于GA组合的多个ANFIS分类器以得到最终的诊断结果。该模型在电力机车轮对轴承的故障诊断中实现了轴承不同故障类型、不同故障程度,以及复合故障的可靠识别,获得了满意的诊断结果。应用结果也验证了基于改进的距离评估技术的特征选择方法的有效性。     

基于LS-SVM建模与预测的液压伺服系统故障诊断

文章基于IS—SVM建模与预测的方法，研究了液压伺服系统的故障诊断问题。介绍了基于模型的故障诊断和IS—SVM建模与预测的基本原理，给出了基于IS—SVM建立液压伺服系统模型的方法，通过IS—SVM模型预测输出与实际输出相比较形成残差，根据残差信息对故障进行检测，并根据全局检测模型与局部元件模型相结合的诊断策略，实现了故障的隔离与定位。     

活塞式空压机振动故障诊断技术研究

机械故障过程中，信号采集，特征提取以及基于特征提取的状态模式识别是实现设备状态监测与故障诊断的重要环节。本文故障诊断的全过程出发，结合活塞式空压机的故障诊断实施，讨论了开发机械故障诊断系统的若干技术问题。     

非线性电路故障诊断模型的建立及神经网络求解的方法研究

推导了含有非线性电阻的网络故障诊断方程,采用“故障标志量”来表征非线性元件是否发生故障,在推导“故障标志量”时,消除由工作点变化引起的电参量变化,保留由伏—安特性变化引起的电参量的变化,提高了故障诊断的准确性。文中还提出一种神经网络,可快速求解出非线性电阻网络的故障方程的解,判定故障元件,并给出了神经网络算法与故障诊断实例。     

神经网络在异步电机转子故障诊断中的应用

本文利用BP神经网络对异步电机转子的几种主要故障类型进行诊断,提取异步电机转子振动频谱分量,经归一化处理后作为训练样本,代入网络进行学习,通过输出的数据即可判定故障类型,并用新的样本对训练好的网络进行了检验,取得了较好的结果.     

神经网络技术在变压器故障诊断中的应用

本文针对变压器传统故障诊断的缺点,提出将神经网络技术用于变压器故障诊断。本文对BP算法改进,使网络收敛速度和误差精度进一步提高。收集部分油中溶解气体故障数据样本,对变压器故障类型进行了分析,并确定网络的输入和输出向量,建立诊断网络模型,实现对各项网络参数的比较确定,在Mtalab里面仿真使误差满足要求。     

基于PNN的电力变压器故障诊断方法

对油中溶解气体进行深入分析后,以改良的三比值法为基础,提出一种基于概率神经网络(PNN)的变压器故障诊断方法。该方法利用PNN的强大的非线性分类能力,将故障样本空间映射到故障模式空间中,可形成一个具有较强容错能力和结构自适应能力的诊断网络系统,从而提高故障诊断的准确率。仿真结果表明,实际案例数据验证了此方法准确率高,是一种有效的故障诊断方法。     

液压系统故障诊断技术

介绍液压系统故障主观诊断技术、数学模型诊断技术和智能诊断技术,以及各种具体故障诊断方法的特点及应用,指出专家系统与神经网络的有机结合成为智能故障诊断技术的发展方向。     

免疫神经网络在故障诊断中的应用

利用生物免疫学的原理,将神经网络和免疫算法结合起来,形成免疫神经网络,并应用于电液伺服阀的故障诊断中.结果表明,免疫神经网络能够以较小的网络规模实现对多种故障模式的准确识别,具有高效率、容错性能好和强大的自适应能力.     

复合神经网络在柴油机故障诊断中的应用

以自组织特征映射网络SOM(Self-Organizing Feature Mapping)和误差反向传播网络BP(Back Propagation)为理论基础,提出了SOM-BP神经网络模型,将某内燃机燃油系统故障及其相关参数作为训练样本,通过仿真试验,验证了复合神经网络在柴油机故障诊断中的正确性和精确性.     

高压输电导线的损伤检测与故障诊断

本文利用红外和电磁传感器分别检测铝绞线和钢芯（钢绞线）的断股故障信号,应用db4小波基对故障信号进行了小波分析,由故障信号的时频域和小波分解细节特征,构造了神经网络诊断模型的输入特征矢量.利用3层BP网络实现了导线断股故障的精确诊断,所研制的红外电磁检测仪器可由巡线机器人携载和操作.     

人工神经网络在机械故障诊断中的应用

针对传统的机械故障诊断方法的局限性,提出将人工神经网络应用于机械故障诊断中。由于BP算法存在收敛速度慢及易陷入局部极小等缺陷,利用实数编码改进遗传算法对神经网络的权值和阈值进行优化训练,并把训练好的神经网络用于机械振动信号预测及机械故障诊断中。通过对机械设备振动信号的预测,可以及早发现故障,及时消除故障隐患,为企业节省大量的维修时间和维修费用,提高企业的生产率。     

基于LabVIEW的旋转机械远程故障诊断系统研制

根据机组运行特点和现场要求,针对旋转机械,特别是电厂风机,设计并开发出了一套在线监测与远程故障诊断系统。通过对设备进行在线监测,可以实时掌握其运行状态及变化趋势,为实现机组的高效运行、状态判断和故障分析提供依据和保障。该系统以LabVIEW作为软件开发平台,同时采纳了神经网络故障诊断方法,界面友好,功能完善。     

遗传神经网络在轴系故障诊断中的应用

为解决BP神经网络收敛速度慢以及容易陷入局部最优解的问题,将遗传算法与BP神经网络相结合应用于轴系故障诊断中。首先设计了船舶柴油机轴系模拟实验平台,然后利用小波包分解技术分析了轴系故障时的振动信号,并将其能谱熵作为故障模式的特征向量,最后对轴系的4种运行状态进行了故障识别与分析。仿真结果表明,GA-BP算法预测精度要高于传统的BP算法,适用于轴系的状态监测和故障诊断。