基于BP神经网络的抽油系统故障诊断方法

该文将神经网络应用于抽油系统的故障诊断,根据泵功图的几何特征提取特征值作为BP神经网络的输入信号,利用自适应性以及线性映射能力,建立抽油系统输入的故障信息与输出的故障类型间的映射。通过对大量故障样本的学习将知识以权值和阈值的形式存储于网格中,最终输出抽油系统的故障类型。通过实例分析,模型具有比较高的准确性和可行性。     

基于BP神经网络的风机转子故障诊断

应用BP算法对转子进行故障诊断，首先论述了BP算法的基本原理，然后提出了输出模式矩阵的改进方法，既将常用的单位矩阵来表示的故障模式转变为二进制结构，由此简化了网络结构，明显减少了样本训练次数，提高了计算故障诊断中对单一故障尤为有效，最后通过实例进行分析，证明这一方法对提高运算速度十分有效。     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

基于BP神经网络及其改进算法的汽轮发电机组故障诊断

为了提高汽轮发电机组的故障诊断准确率,提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习,在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明,改进算法能够更有效地预测汽轮发电机组的故障.     

基于BP神经网络的无人机故障诊断专家系统研究

针对无人机系统故障复杂度高、非线性强、故障现象多种多样等特点,提出将专家系统与BP神经网络相结合应用于无人机系统的故障诊断中。给出了该诊断系统的具体结构组成和诊断流程,并以无人机的遥测遥控系统为例进行了实例诊断,最后给出了系统软件的实现方式。结果表明,该系统能有效地对无人机系统进行快速准确地诊断,具有很好的应用前景。     

基于嵌入式系统的BP神经网络及其在模拟电路故障诊断中的应用

针对模拟电路故障的实时诊断问题,提出使用嵌入式系统实现BP神经网络进行诊断的解决方案。对诊断系统的芯片选择、系统架构、诊断流程、训练算法等问题进行了研究,提出使用STM32芯片作为核心芯片以及加入动量项的反向传播算法进行训练的策略,明确了系统的结构及运行流程。最后使用设计的系统分别进行了线性和非线性模拟电路的故障诊断实验进行验证。实验结果表明,基于嵌入式系统的BP神经网络能够有效及时地诊断出模拟电路的故障。     

BP神经网络在变压器故障诊断中的应用

介绍了电力变压器内部常见的故障,采用BP神经网络算法建立了变压器的神经网络故障诊断模型,通过与传统的IEC三比值法相比较,表明基于BP网络的诊断方法达到了较好的故障识别与分类,诊断准确率也有显著的提高,在变电设备故障诊断中具有良好的应用前景.     

基于BP神经网络的凝汽器的故障诊断

介绍了凝汽器的故障诊断常用的三种诊断方法,BP神经网络法、模糊诊断法、模糊模式识别法。通过比较发现BP神经网络相对于另外两种诊断方法具有明显的针对性和准确性。然后,在BP神经网络诊断的基础上进行了“基于BP神经网络的凝汽器的故障诊断”系统的开发。     

基于遗传优化BP神经网络的供热管网故障诊断模型

为了克服传统BP神经网络收敛速度慢,易陷入局部极值的缺陷,提出一种遗传优化的BP神经网络供热管网故障诊断模型.通过建立泄漏工况数学模型,获取了泄漏工况下的节点压力变化情况,并以此作为BP神经网络的样本数据;利用遗传算法对BP网络初始权值和阀值进行了优化,再通过BP神经网络进行了供热管网的故障诊断,以确定泄漏管段和泄漏量,并对泄漏点进行定位.实验结果表明:该模型性能明显优于传统的BP神经网络故障诊断模型,且诊断精度高.     

基于BP神经网络的变频器功率变换主电路故障诊断研究

提出一种基于BP神经网络的变频器功率变换主电路故障诊断方法。通过对变频器功率变换主电路的故障类型及原因进行分析，提取了反映故障状态的四个特征参数。利用BP神经网络，采用自适应学习速率动量梯度下降BP算法，实现了故障模式的模式识别。     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

基于BP神经网络的车型分类器

针对车型特征,提出了一种基于BP神经网络的识别方法．从图像中提取车型特征向量,用BP神经网络设计分类器,并进行有效的训练与测试．应用改进的BP算法（尺度化共轭梯度法）对网络进行训练,使网络很快得到收敛,解决了一般算法收敛慢的缺陷．     

基于DSP无刷直流电机的BP神经网络调速系统

针对无刷直流电机速度调节系统中存在的控制不精确性,以及单一使用传统PID算法不能满足大范围调速和抑制超调等方面的问题,提出以TMS320LF2407数字信号处理器(DSP)为硬件控制核心,同时在算法实现上,采用非线性预测模型BP神经网络PID的控制算法,硬件和算法相结合,解决了系统中PWM信号的生成、电机速度和电流反馈等问题,仿真结果表明:系统的响应速度快、稳定性能好,提高了无刷直流电机的可控性.     

基于改进型BP算法的齿轮箱故障诊断

对齿轮箱的故障检测诊断问题进行了研究,将人工神经网络技术应用于齿轮箱的故障诊断中,对已有的ＢＰ学习算法进行了改进,实测测试数据表明该诊断系统是可行和有效的。     

基于组合优化BP神经网络的模拟电路故障诊断

电子系统的可靠性已成为影响系统正常运行的关键,因此电路故障的诊断越来越受到重视。基于BP神经网络的诊断方法是目前实现模拟电路故障诊断的有效方法之一。文章针对已有BP神经网络模拟电路故障诊断技术的不足,提出了一种组合优化的诊断方案。该方案采用遗传算法优化确定BP神经网络的初始权值,以规避BP神经网络易陷入局部极小值的不足,然后应用L-M方法在这个局部解空间里对BP神经网络进行精调,搜索出最优解或者近似最优解。该方案发挥了BP神经网络的广泛映射能力和遗传算法的全局搜索能力,加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力,有效提升了基于BP神经网络模拟电路故障诊断的性能。     

BP神经网络的硬件实现

本文提出了一种采用ＭＯＳ晶体管的电流模式连续时间模拟ＢＰ神经网络的硬件实现新方法，硬件系统适合利用ＶＬＳＩ技术，具有片人误差反向传播学习功能，能简经ＢＰ新算法修正权值，对所设计的电路提供了ＰＳＰＩＣＥ仿真结果，结果表明硬件实现方法的可行性。     

基于EEMD和BP神经网络的风机齿轮箱故障诊断方法

根据风机齿轮箱故障信号的非平稳特性,提出一种基于总体平均经验模式分解(EEMD)和BP神经网络的风机齿轮箱故障诊断方法。首先,对原始信号进行小波去噪。然后,对故障信号进行EEMD分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,选取若干含有主要故障信息的IMF分量做进一步分析。最后,从各IMF分量中提取故障信号能量特征参数,将归一化后的能量特征参数作为BP神经网络输入参数进行故障诊断。实测结果表明:该方法故障诊断准确率达到了99%左右。可以准确、有效的对风机齿轮箱进行故障诊断。     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

基于主元分析和BP神经网络的工业过程监测

BP神经网络的分类功能可以用于过程监测与故障诊断,但面对比较复杂的工业过程,数据量过大通常会导致网络的训练时间较长、收敛速度较慢.将主元分析与BP神经网络相结合,提出基于主元分析和BP神经网络理论的工业过程监测方法,根据TE过程数据变量确定神经网络的结构,然后使用TE过程数据训练集训练网络,并建立监测模型.通过对测试结...     

基于BP神经网络模型的水质评价及预测

利用BP神经网络模型对水质的评价及预测进行了研究,克服了传统评价方法工作量大,而且主观性较强的不足,测评结果客观、准确,过程中不需要对监测数据进行很复杂的预处理,工作量小。