基于粗糙集与神经网络集成的内燃机故障诊断

鉴于粗糙集理论对于决策系统的约简处理能力以及神经网络的自组织聚类和非线性映射功能，提出了应用SOM的网络-粗糙集-BP网络集在进行故障诊断的方案：应用SOM网络离散化故障诊断数据中的连续属性值；基于粗糙集理论计算诊断决策系统的约简，根据实际需要确定最优决策系统，在量优决策系统的基础上设计BP网络进行故障诊断，柴油机的实际诊断结果验证了将神经网络与粗糙集理论相结合进行故障诊断的可行性，在数据充分的条件下，该方案可以推广应用于其它机械设备。     

基于粗糙集理论的柴油机神经网络故障诊断研究

介绍了粗糙集理论的核心内容 ,给出了基于 kohonen神经网络的连续属性值离散化方法。应用粗糙集理论对反映柴油机运行工况的特征参数进行了属性简化 ,剔除了不必要的属性。研究了 RBF神经网络故障诊断模型及学习规则 ,给出了基于粗糙集理论的 RBF神经网络故障诊断原理和步骤。通过对柴油机供油系统柱塞磨损故障的自动分类和诊断 ,表明该系统能有效地减少神经网络的输入节点数 ,克服了神经网络规模过于庞大及分类识别速度慢等缺点。     

基于粗糙集约简的信息融合故障诊断研究

提出一种基于粗糙集约简的神经网络信息融合故障诊断方案。该方案利用粗糙集理论对诊断决策表进行属性约简，根据约简构造诊断子神经网络群，采用信息融合的方法处理神经网络输出结果。该方案能够缓解神经网络诊断中网络学习收敛问题，并且可有效利用决策表的冗余信息，在个别征兆信号受到干扰或发生错误时仍能正确诊断，使诊断方案具有较强的健壮性。     

基于MATLAB的集成神经网络在给水泵故障诊断中的应用

针对大型火电站电动给水泵常见的振动故障,采用基于MATLAB的集成神经网络对给水泵的振动故障进行诊断。从单个神经网络开始,从信息融合的角度建立了集成神经网络故障诊断方法,探讨集成神经网络的实现策略和组建原则,并给出给水泵振动故障诊断的实例,证明该诊断方法提高了故障确诊率。     

基于神经网络的内燃机故障诊断

提出了一种新的柴油机故障诊断方法,利用柴油机润滑油的参数监测搜集润滑油的相关数据,用BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行的。     

基于RBF神经网络的柴油机故障诊断

神经网络模式识别的实时性和鲁棒性使得它成为故障诊断的常用方法.本文首先介绍了RBF神经网络的构成和特性,然后将柴油机的振动信号和油管压力信号作为特征参数,运用RBF神经网络对供油系统的3种故障进行诊断分析.实践表明,RBF神经网络用于多征兆机械系统的故障诊断是有效、可行的.     

基于图像与神经网络的柴油机气门故障诊断方法研究

综合信号处理及模式识别理论,根据柴油机振动信号的特点,提出了一种柴油机气门故障诊断综合方法,详细阐述了将提取图像特征的神经网络法用于柴油机气门故障诊断的原理、过程以及故障分类。试验结果表明,该方法值得进一步研究。     

基于神经网络技术的柴油机故障诊断

本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。     

基于神经网络的柴油机燃烧系统故障诊断

根据柴油机在不同状况下燃烧过程中气缸的压力波动情况进行了模式分类。柴油机的缸盖振动与气缸的压力波存在一定的对应关系,但这种对应关系通常难以确定。作应用柴油机缸盖在爆发段的振动信号,经过Hilbert变换,然后应用小波的Mallat算法进行变换,取小波变换后的三阶近拟波形来模拟对应气缸内的压力波动,最后应用神经网络方法对变换后的信号进行燃烧状况的模式识别,给出诊断结果,为柴油机的故障提供了一种新方法。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

柴油机故障诊断的局域波神经网络方法研究

针对柴油机表面振动信号的非平稳性，采用局域波法对其进行有效分解获得多个局域波分量，这些分量有效降低了信号的非平稳性，并且包含着原始信号瞬时频率和模糊频带的双重特征信息。然后以局域波分量的特征参数为输入对RBF神经网络进行训练学习，形成网络。这种方法增强了内燃机故障诊断的可靠性和精确，并在实际柴油机故障诊断中得到了有效地应用。     

基于SOM神经网络的柴油机燃油系统故障诊断

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。     

基于改进段角加速度和神经网络的柴油机失火诊断研究

针对失火故障中存在的高速轻载诊断困难,失火程度无法判别的问题,通过对比分析正常状态与失火情况下瞬时转速的特征,发现缩短段角加速度段长度,能够有效提升特征对失火故障的敏感度,同时,用神经网络方法代替阈值规则,能够很好地利用各缸特征值间的联系诊断失火。基于此,提出一种改进段角加速度和神经网络相结合的失火故障诊断方法。该方法能够实现对全转速范围单缸完全失火的诊断,且利用二级诊断的方式可以对失火程度进行有效判别,在高速轻载工况依旧具有很好的准确率。同时,提出的方法在学习阶段所需数据量小,适用于发动机失火故障的在线诊断。     

基于粗糙集理论的旋转机械故障诊断方法

粗糙集理论是一种新的数据分析和处理方法，使用粗糙集理论可以对决策表进行简化，去除冗余属性。该文针对旋转机械故障诊断问题，计算旋转机械振动故障数据库中的频域征兆，使用粗糙集理论对其进行约简，根据约简的结果生成规则。利用得到的规则对故障样例进行诊断。结果表明：使用粗糙集理论可以在保留分类能力不变的前提下，去掉诊断中的不重要的要素，保留重要的要素，从而可以简化对诊断信息的需求。对故障样例的诊断结果也表明：得到的规则基本上是可信的。表5参8     

基于局域波-粗糙集-神经网络的故障诊断方法研究

提出了一种基于局域波-粗糙集-神经网络的智能故障诊断方法。首先通过局域波法进行故障特征提取,获取能够反映设备运行状态的由局部能量组成的特征向量;接着应用粗糙集理论对样本特征参数进行属性约简,去除冗余信息,获取最优的决策系统;最后根据最优决策系统来构造RBF神经网络,并进行故障诊断。以柴油机缸套活塞磨损故障为例,详细说明了基于粗糙集-局域波-神经网络的故障诊断方法的原理和步骤。诊断结果证明了此方法的有效性。     

一种基于神经网络的汽油机失火故障诊断方法

对汽油机关火时其排气中的碳氢化合物、二氧化碳和氧气的体积分数值的变化规律进行了分析，提出了用BP网络诊断汽油机失火故障的新方法并进行了实例研究。训练好的网络可用于汽油机的实时诊断。     

基于优化PSO-RBF的柴油机故障诊断方法

针对传统RBF算法收敛速度慢,易于陷入局部极值的问题,提出了一种经优化的粒子群算法PSO,对RBF神经网络粒子群的改进参数、权值线性递减参数和标准参数进行训练寻优,构建出最优PSO-RBF神经网络,并将其用于柴油机的故障诊断预报。对MAN B&W 6L23/30H柴油机三种不同工况下第一缸试验参数的训练表明:改进的PSO-RBF神经网络在柴油机故障诊断中判别率更高,故障诊断的准确性与可靠性得到提高。     

基于小波神经网络的旋转机械故障诊断

研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题。通过选择合适的参数，对故障信号功率谱进行小波分解，简化了故障特征向量的提取。建立了基于小波变换和BP网络的混合诊断模型，成功地实现了对故障的智能诊断。     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。