EMD和Elman神经网络在滚动轴承故障诊断中的应用

针对滚动轴承故障信号的特点,提出EMD和Elman神经网络结合的滚动轴承故障诊断方法。以滚动轴承振动信号为研究对象,首先对信号进行经验模态分解（EMD）,提取包含主要信息成分的本征模函数（IMF）分量,将IMF的能量比作为特征向量输入Elman神经网络进行网络训练和故障识别,实现滚动轴承的故障诊断。结果表明,EMD方法能按频率由高到低把复杂的非平稳信号分解成有限个IMF分量,具有自适应的特点,有效地突出轴承故障特征;而Elman神经网络能直接反映动态过程系统的特性,达到很好的识别效果。     

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。     

模糊神经网络在导弹动力系统多故障诊断中的应用

研究了一种差分进化算法和模糊神经网络相结合的故障诊断算法,构造了用于某导弹动力系统的模糊神经网络结构.故障诊断实例结果表明,基于差分进化算法的模糊神经网络学习速度快,能够正确分离导弹动力系统的单故障和多故障工作模式.     

基于模糊神经网络的故障诊断新方法

一种基于模糊神经网络和D-S证据理论的故障诊断方法,从故障征兆空间提取信号,再将信息向子模糊神经网络分配;诊断模块中的子模糊神经网络为并联结构,分别从故障发生的不同侧面进行诊断;输出结果经归一化处理,满足基本可信度分配函数的条件。最后进行信息融合,即得到最终故障诊断结果。经算例证明,该方法可靠、有效。     

基于模糊神经网络的导弹故障诊断

将模糊神经网络应用于导弹的故障诊断。经过仿真试验发现，模糊神经网络可以充分利用专家知识的不确定性，而且诊断效果相当好。     

基于模糊神经网络的自动驾驶仪故障诊断研究

根据导弹自动驾驶仪的组成结构、功能原理及维修专家的实际经验，结合模糊理论推理能力和神经网络学习的能力提出模糊神经网络故障诊断方法。该方法同时具备了模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力，有效地提高故障诊断的技术水平。最后结合某型导弹自动驾驶仪故障诊断特点，给出仿真试验，证明了该方法的有效性。     

基于模糊神经网络的发电机故障诊断

研究了模糊逻辑和神经网络故障诊断方法,根据这2种方法各自的优缺点,采用了串联方法将两者相结合,用模糊信息处理方法对输入信号进行了预处理,并利用神经网络的逼近能力实现了故障的诊断。将该方法构建的推理系统应用于火炮发电机疑难故障诊断,仿真结果表明了该方法可以给出较高精度的诊断结果。     

一种基于模糊神经网络融合的故障诊断模型研究

在分析模糊神经网络优点的基础上,提出了一种基于模糊神经网络融合的故障诊断模型.该模型结构是由信息分配模块、并联模糊神经网络的诊断模块和决策融合模块组成.仿真结果表明,该模型能够充分融合信息,提高确诊率.     

改进的经验模态分解方法在滚动轴承故障诊断中的应用

本文将Hilbert-Huang变换（HHT）应用到滚动轴承故障诊断中，利用经验模态分解自适应地将滚动轴承故障信号分解为若干不同特征时间尺度的固有模态函数，进行Hilbert谱和边际谱分析，由此来识别滚动轴承的故障类型。研究结果表明：这种改进的方法能有效地提取滚动轴承的故障特征。     

BP 神经网络在雷达故障诊断中的应用

为适应当前现代雷达系统的故障诊断日益复杂的现状,采用人工神经网络进行雷达故障诊断。建立基于BP神经网络的故障诊断模型,给出训练算法和故障诊断步骤,以某雷达发射机为对象,将该模型应用于系统的故障诊断,并采用Matlab进行仿真验证。仿真结果表明,人工神经网络能满足雷达故障自动检测与诊断系统的高可靠性和可维护性要求。     

基于神经网络的自行火炮变速箱轴承故障模式识别

在分析振动信号的基础上，提取了反映自行火炮变速箱轴承故障的时域特征量和包络谱特征量．构造了结构合适的BP神经网络，实现了自行火炮变速箱轴承故障模式的计算机自动识别，有效地检测了自行火炮变速箱轴承的早期故障．     

基于神经网络的专家系统研究及应用

概述了人工神经网络的主要特征,分析了基于人工神经网络的专家系统的建设思想、系统结构及优缺点,并对神经网络专家系统的技术方法做了一定的讨论,并给出了应用实例.     

神经网络在导弹贮存可靠性预测中的应用

为了更准确预测导弹贮存可靠性,提出基于全局逼近BP网络和局部逼近RBF网络对导弹贮存可靠性进行预测,给出了预测的基本步骤,分别基于BP网络和RBF网络对某型舰舰导弹的贮存可靠性进行了预测,结果表明:这两种网络都能够解决导弹贮存可靠性预测的问题,预测误差均满足要求;RBF网络预测精度略高于BP网络,具有更好的函数逼近能力。RBF网络更适用于导弹贮存可靠性的预测。     

小波神经网络在陀螺漂移预测中的应用

针对传统预测方法存在的不足,建立一种基于小波神经网络的陀螺漂移预测模型。重点研究利用小波分析理论对陀螺输出信号的漂移趋势识别提取方法,结合小波神经网络建立漂移信号的非线性预测模型,并以某陀螺实测信号为例预测其漂移趋势。结果表明:该模型能降低人为因素影响,提高漂移预报效果和导航系统精度。     

人工神经网络在维修性预计中的应用

维修性预计运用BP神经网络,并以Matlab BP工具箱函数建立产品的维修性预计模型.其建模步骤包括:确定训练样本、建立网络并对其进行初始化、对网络进行训练及对产品维修性参数预计.并对某火炮中主要机构进行维修性分析和仿真,通过对训练样本规范化处理,再应用相应数据预计网络模型,最后检验网络训练效果.     

Elman型神经网络在液体火箭发动机故障预测中的应用

提出一种将Elman神经网络应用于液体火箭发动机故障预测的模型,并进行了多参数多步预测。仿真计算结果表明,较传统的静态BP网络预测模型,该模型结构简单,动态特性好,对于液体火箭发动机重要参数的预测效果较好,收敛速度快且精度高,具有较好的非线性时序预测能力,说明其在液体火箭发动机的故障预测中应用的可行性。     

改进型LM-RBF 神经网络在自抗扰控制器上的应用

为解决自抗扰控制器(active disturbance rejection control,ADRC)中参数较多且难以整定的问题,提出一 种基于LM 算法且网络结构可在线优化的径向基函数(radial basis function,RBF)神经网络。利用滑动窗口的思想将 在线输入的样本放入一个长度固定的队列,将LM-RBF 网络应用于ADRC,在线整定控制器参数,并以永磁同步电 机为对象在Matlab 里进行仿真分析。结果表明：与基于RBF 的常规自抗扰控制器相比,改进后LM-RBF 使控制器 有更快的响应速度及更优的抗干扰能力,能有效提高被控系统的稳定性,满足非线性时变系统对自抗扰控制器的性 能要求。     

神经网络技术在初始对准中的应用

文中在神经网络的基础上，给出了扩展Kalman的神经网络的模型；讨论了该模型的的算法；对惯导系统非线性误差模型进行了离散化；基于扩展Kalman滤波的神经网络用在惯性导航初始对准中，不仅滤波的精度高．而且保证了滤波的实时性，最后的仿真说明了本方法的有效性。     

基于RBF神经网络的Kalman滤波在惯导系统传递对准中的应用

针对模型存在误差时传统的Kalman滤波算法误差变大甚至发散的缺点,利用RBF神经网络较强的非线性逼近能力,提出用RBF神经网络辅助Kalman滤波的新算法,将其应用于舰载机惯导系统的传递对准中。仿真表明该算法优于传统Kalman滤波算法。     

灰色神经网络在空舰导弹寿命预测中的应用研究

结合灰色理论与BP神经网络建立了灰色神经网络组合预测模型.该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适应性信息处理能力相融合.利用三种灰色模型及灰色神经网络模型对某型空舰导弹某电子设备的失效时间进行预测,研究结果表明灰色神经网络预测效果明显优于灰色模型,是一种实用的且精度较高的预测方法.