共查询到18条相似文献,搜索用时 78 毫秒
1.
基于神经网络的发动机异响故障诊断方法 总被引:8,自引:0,他引:8
针对汽车发动机异响故障诊断的特征,研究了基于神经网络的异响故障诊断专家系统的理论和方法及实现过程,并将此方法应用于具体JL368Q发动机异响故障诊断,结果表明其方法具有通用性和高效性。 相似文献
2.
针对汽车电喷发动机故障诊断的特点,本文对基于神经网络理论的发动机故障诊断方法进行了初步的研究,并在Windows环境下,将神经网络技术与计算机多媒体技术相结合,探讨了发动机故障诊断知识表示、知识获取及知识库的开发.对发动机故障诊断提供了智能诊断方法. 相似文献
3.
基于神经网络的数控机床故障诊断专家系统 总被引:4,自引:0,他引:4
针对传统专家系统在处理故障诊断中的不足,提出了将神经网络技术与专家系统融合的诊断模型,并用于数控机床的故障诊断中.介绍了诊断系统结构、功能及改进的BP神经网络算法,并给出了应用实例.试验结果表明,该方案合理、可行,有较好的应用前景. 相似文献
4.
5.
6.
7.
机载火控系统故障诊断神经网络专家系统 总被引:1,自引:0,他引:1
对作战飞机火控系统的故障检测,传统的方法是使用多种检测仪器对机载火控设备进行性能检查,技术含量低,不能满足现代战争的需要.为提高部队的作战效能,采用微电子技术、人工智能技术、计算机测量与控制技术,研制了机载火控系统故障检测装置;该装置在实际应用中取得了良好效果,并具有测试结果准确,自动化程度高,工作稳定可靠,操作简便,易于转移和维护等优点,不仅适用与内场,还可用于在外场对机载火控系统进行原位检测,为技术人员进行机载火控系统的性能及故障检测提供了便利. 相似文献
8.
汽车发动机故障诊断专家系统的研究 总被引:3,自引:0,他引:3
对汽车发动机的故障诊断系统进行了研究,系统用TURBO-PROLOG语言编写,它总结了领域专家的经验,建立了故障树,并用产生式规则构成知识库。依据故障诊断的特性,该系统采用不同精确推理和有限深度搜索策略,能完成汽车发动机40多种故障的诊断。 相似文献
9.
运用故障树分析法进行康明斯发动机的故障分析,并转化成二叉故障树;采用产生式规则和框架表示法相结合构建知识库;采用层次分析法设计了故障诊断专家系统.基于Windows平台和Del-phi7.0语言开发了故障诊断专家系统.为工程兵部队提供了一套简单、实用的故障诊断工具,给部队装备的故障诊断带来极大的方便. 相似文献
10.
基于神经网络的船用柴油机故障诊断专家系统 总被引:2,自引:0,他引:2
介绍一种基于神经网络的船用柴油机的故障诊断专家系统,以及系统结构、神经网络的学习算法,给出应用实例,诊断结果表明该方法的有效性。 相似文献
11.
为提高现代工程装备在复杂现场环境下的维修保障能力,提出了基于神经网络的专家系统故障诊断方法。进行了该装备各个组成系统的故障模式与故障元件分析,研究了专家系统知识库的建立步骤并完成了故障诊断专家系统的知识库构建,并设计了基于神经网络推理技术的专家系统正向推理机制。研究成果在工程兵部队进行了应用,有效地提高了部队的装备故障维护与保障能力。 相似文献
12.
运用故障树分析法进行康明斯发动机的故障分析,建立了发动机常见故障的层次树模型,并将其转化成二叉故障树以构建专家系统的知识库;研究了系统的推理诊断流程:采用层次分析法设计了故障诊断专家系统.基于Windows平台和Delphi7.0语言开发了故障诊断专家系统.提供了一套简单、实用的故障诊断工具,给装备的故障诊断带来了极大的方便. 相似文献
13.
基于两级BP网络伺服阀故障诊断专家系统的研究与应用 总被引:1,自引:1,他引:1
运用人工智能提高电液伺服阀的故障诊断水平,研究伺服阀静态特性曲线和伺服阀状态的对应关系,在特性曲线上提取状态特征参数作为人工神经网络样本,把训练好的经网络作为专家系统的知识库。状态特征参数提取方法能提高训练样本的质量。利用两级BP网络建立的伺服阀故障诊断专家系统已成功应用于液压AGC测控系统,并具有推广价值。 相似文献
14.
以RBF网络为识别模型,对柴油机燃油喷射系统的故障进行训练,并应用于待识别故障样本的识别仿真,结果表明,基于RBF的故障诊断方法优于基于BP网络故障诊断,在柴油机燃油喷射系统故障诊断中是行之有效的方法. 相似文献
15.
16.
17.
为提高工程车辆电气设备的维护保养能力,构建了其电气系统的故障诊断专家系统。进行了该装备各个组成系统的故障模式与故障元件分析,研究了故障树的建树步骤与故障树的模型分析与建立,设计了基于神经网络推理技术的专家系统正向推理机制。研究成果在部队中的应用表明,该方法有效地提高了部队的装备故障维护与保障能力。 相似文献
18.
基于ART-并行BP神经网络的柴油机故障诊断研究 总被引:1,自引:0,他引:1
造成柴油机故障的因素十分复杂,既存在单一类的故障,也存在多故障并存的现象,而且还会出现新型故障,仅仅依靠单一神经网络技术的故障诊断已经很难满足对柴油机的有效诊断要求。本文在信息决策层融合的基础上,以自适应谐振理论ART和误差反向传播并行BP两种神经网络为基础,建立了用于柴油机故障诊断的新型神经网络模型,以对柴油机系统工作过程多种故障进行诊断识别。通过与单一神经网络诊断识别结果的分析和比较,验证了该神经网络诊断模型的可行性,它能够进行多传感器信息综合诊断,既能识别单故障和并发故障,又具有识别新型故障的能力,可有效地提高对柴油机故障诊断的准确性和可靠性。 相似文献