基于H∞优化方法的鲁棒故障检测

在基于观测器／滤波器理论的动态系统故障检测与诊断中，模型信息和测量信息的不确定性将影响结果的准确性。文章基于H∞优化方法设计了故障的检测与诊断系统，通过弱化不确定干扰因素对残差的影响，增强了故障检测系统的鲁棒性。同时设置适当的阈值，对故障决策中的虚警进行充分地抑制。最后，在某机电跟踪与稳定伺服系统中进行了仿真研究，结果表明，这种方法能够有效地提高系统的故障检测精度。     

一种基于小波和神经网络的故障诊断系统

基于小波变换的时频域局部化特征及神经网络的非线性映射特征,以滚动轴承为例,将小波变换和神经网络的优点结合起来.运用小波变换提取滚动轴承振动信号各频率成分的能量作为故障特征参数,将其作为神经网络的输入进行训练和故障识别,利用BP网络实现了对滚动轴承的故障诊断,取得了较好的效果.     

基于自适应模糊神经网络的非线性系统鲁棒故障诊断

针对一类非线性闭环稳定系统，在考虑噪声干扰和系统参数不确定误差条件下，用自适应模糊系统进行非线性补偿，提出了一种基于自适应模糊状态观测器实现状态观测和故障检测，再由RBF神经网络故障逼近器实现故障在线跟踪的鲁棒故障诊断方法。为确保观测器和诊断系统的鲁棒性，给出了闭环系统在有界噪声干扰和系统不确定误差下的稳定性定理，并进行了证明。     

基于状态χ2检测的神经网络故障检测算法研究

故障检测对于保证组合导航系统的高可靠性是十分重要的.文中提出了一种基于状态χ2检测法的神经网络故障检测法,根据状态χ2检验法的实时结果检测故障,然后用一个BP神经网络模型确定故障所在位置,进行故障隔离.通过仿真,验证了这种方法的有效性.     

基于小波神经网络的航天器故障诊断方法

针对微小航天器集群的故障诊断问题,提出一种故障诊断(fault diagnosis,FD)新方法。依据小波神经网络(wavelet neural network,WNN)理论,结合航天器集群的领队航天器故障检测与系统重构问题,构建一种故障诊断框架,采用小波神经网络与神经网络相结合,得出航天器姿态故障诊断策略及卫星姿态故障重构技术,给出了领队航天器故障重构方案,并进行了仿真实验与验证。仿真结果表明,该故障诊断方法是有效性的、故障重构是可行性的。     

基于神经网络的火炮自动供输弹装置故障预测

自动供输弹装置是火炮上故障发生率较高的子系统之一，因而有必要进行自动供输弹装置故障预测研究。自动供输弹装置是一种机-电-液一体化的机器人系统，既有实现动作的机械部分，即弹药装填和补给装置，也有控制机构动作顺序的控制部分。根据供输弹装置的组成，其故障诊断的BP网络输入层采用9个神经元，隐含层节点数有8个，隐函数选取sigmoid函数，输出层有9个单元。故障预测网络的训练包括火炮自动供输弹装置特征样本输入方式、测试方法、最大允许迭代次数和训练终止的允许误差等的确定。实时测取的样本验证，该预测模型合理。     

一种小波神经网络的优化构造及其应用

根据离散小波框架理论,在有限维Hilbert函数空间中,给出了一种基于正交投影算子的小波神经网络构造学习算法,并讨论了该算法的几何速度稳定收敛性.它从能量信息角度保证了网络构造的最优化,同时体现出信号的时频域特性,较好地解决了网络的优化设计问题.通过在某歼击机运动系统故障检测中的仿真应用,验证了该算法的优越性能.     

基于小波神经网络的信号识别

信号的分选和识别技术在当今信号处理的系统中占有相当重要的地位.小波分析和神经网络是近年来兴起的一种分析信号方法.文中对二者的结合问题进行了研究.小波空间可以作为信号分类的特征空间,进而可以通过神经网络对信号进行特征识别.小波神经网络是基于小波分析而构造的神经网络模型.在信号调制类型识别中,利用小波伸缩平移把信号分解到不同频道上进行特征提取;把提取的特征信息输入神经网络进行分类.仿真结果表明,利用此方法可以较好的对信号进行分选和识别.     

基于神经网络的导弹惯性器件故障预报系统研究

在导弹武器系统当中,及时准确地故障预报对提高导弹的安全性具有极其重要的意义.针对导弹惯性器件故障预报系统的设计要求,考虑到神经网络用于故障预报的优点,在神经网络技术应用于导弹惯性器件的故障预报过程中提出了神经网络的训练算法,把神经网络、预测理论和故障诊断系统有机结合起来建立了一个故障预报系统,利用该系统选取神经网络预测模型对某导弹陀螺随机漂移进行建模和分析,实现了故障预报.实例预测结果证明,给出的神经网络预测模型和训练算法是可行的.     

小波包在异步电机转子断条故障检测中的应用

在异步电机转子断条故障检测中,将原信号最优小波包分解,经自适应滤波后再信号重构.先计算出每个子频带代价,选择相应频率空间构成最优小波包.再定义最优小波包选择的代价函数,并保留自相关函数和最大频率空间.对得到的频率空间上原信号分量进行自适应滤波,最后将滤波后原信号所保留的频率空间经同样的小波包重构,由此完成对频率分量的剔除.     

基于Elman神经网络的电机故障诊断

通过Elman神经网络训练采集到的电机特征频率振动信号,建立电机故障的模型.并以转子故障为对象,在电机实验台上分别采集水平和垂直方向上的振动信号,通过放大、滤波和A/D转换后,进行频谱分析.为验证网络对故障判断的效果,对故障电机采集振动信号后,代入网络检验.验证表明该网络模型可有效识别电机常见故障.     

基于云神经网络的空间推进系统故障检测与诊断

本文提出并研究了用于空间推进系统故障检测与诊断的云神经网络方法,并以某空间推进系统推力器为研究对象进行了验证。仿真结果表明,该方法用于推力器故障检测与诊断是可行的,辨识精度较高,能够实时反映推力器工作状况,并能及时判断。     

遗传小波神经网络故障字典在模拟电路故障诊断中的应用

以神经网络、小波分析和遗传算法等为代表的智能诊断技术,是故障诊断技术发展的一个重要方向。以传统故障字典法、BP神经网络、小波分析和遗传算法等基本原理为基础,将神经网络、小波分析和遗传算法与故障字典结合,用小波分解预处理故障信号提取故障特征,用遗传算法优化BP神经网络的结构和权值,对基于遗传小波神经网络的故障字典在模拟电路故障诊断中的应用进行研究,并结合实例验证其实际使用性能。     

基于卷积神经网络的滚动轴承故障诊断

针对传统故障诊断方法诊断过程复杂、效果不佳的问题,提出一种基于卷积神经网络的滚动轴承故障诊 断方法。首先选取不同故障的振动信号进行归一化处理,然后把 1 维的振动信号转化成 2 维的灰度图像,利用每个 元素与其相邻元素之间的关系,并且采用重叠采样的方法加强数据集。在卷积神经网方面利用 tensorflow 搭建网络 框架,采用 4 种不同的卷积神经网络结构对样本进行训练。为避免实验的随机性,对每种方案进行多次训练,采其 结果的均值。根据测试集的准确率选取最好的适合轴承故障诊断的模型,同时对网络的结构参数进行优化改进,提 高模型的识别率和运行效率。实验结果表明,该方法可以准确地将滚动轴承的故障进行识别和分类。     

基于卷积神经网络的人脸检测综述

为更好地了解和研究基于卷积神经网络(ccnvolutional neural networks,CNN)的人脸检测,从低图像质量人脸检测和人脸检测系统的性能优化2方面,分析人脸检测所面临的困难并给出其解决方案,总结2015年以来基于卷积神经网络的人脸检测技术的发展进程和方向,对人脸检测任务中的遮挡、尺度、小面部集群、速度、精度以及多任务RPN(multi-task region proposal network)人脸检测等方面进行总结陈述,对未来基于卷积神经网络人脸检测的发展趋势进行预测.     

基于自适应模糊神经网络的反舰导弹非线性控制算法

提出了一种综合运用动态逆、模糊神经网络和滑模控制的非线性控制方法.首先运用动态逆理论对非线性系统进行近似线性化,利用具有在线学习能力的模糊神经网络来抵消系统的误差,建立了基于自适应模糊神经网络的控制结构,根据李雅普洛夫稳定理论导出了网络权值的自适应调整规则,用滑模控制和鲁棒控制分量保证了系统的鲁棒性.并将该非线性控制算法用于某型侧滑转弯导弹的控制系统设计.仿真结果表明,这种方法能有效消除扰动的影响,提高导弹过载控制系统响应的精度.     

基于动态逆的飞行器非线性鲁棒控制系统设计

将动态逆理论应用于飞行器控制系统设计中,设计非线性鲁棒控制器。首先进行动力学建模,然后基于动态逆理论设计非线性鲁棒控制器并给出仿真结果。仿真结果表明,与传统设计方法比较,该控制器具有较好的动态品质和较强的鲁棒性。