小波神经网络技术在柴油机声信号处理中的应用

提出了利用小波分析和神经网络技术处理柴油机工作时产生的声信号,以对柴油机 进行故障诊断的方法．在实验台上模拟了喷油器的多个故障,并对柴油机工作时在汽缸盖 上方采集的声信号,利用小波分析和神经网络技术进行了详尽的分析,对各模式进行了成 功的判别．对利用声信号对柴油机进行故障诊断这一未成熟领域,在声信号的处理方法上 做出了成功的探索．     

小波包分析在车辆变速箱故障诊断中的应用

运用小波分析方法对车辆变速箱振动信号进行预处理,并运用小波包能量尺度图分析方法识别出故障,按此方法对BJ212型车辆变速箱振动加速度信号作了分析,准确地识别出了故障.结果表明,利用小波包分析进行变速箱故障诊断的方法简单且行之有效.     

小波包分析在车辆变速箱故障诊断中的应用

运用小波分析方法对车辆变速箱振动信号进行预处理，并运用小波包能量尺度图分析方法识别出故障，按此方法对BJ212型车辆变速箱振动加速度信号作了分析，准确地识别出了故障,结果表明,利用小波包分析进行变速箱故障诊断的方法简单且行之有效．     

基于神经网络和小波分析的机组振动故障诊断

对于水轮发电机组而言,尽快实施其故障诊断是十分必要的.小波包分析能有效地提取机组振动信号中的有用成分,采用小波包分解方法提取特殊频段上的能量特征值作为神经网络输入向量,针对南桠河水电厂实测数据采用单隐层BP网络进行训练并对不同故障模式进行识别,取得良好效果.     

基于小波神经网络的晶体光损伤诊断

利用晶体的光声效应，结合小波神经网络故障诊断技术，提出了一种新的晶体光损伤诊断方法，应用该方法对铌酸锂晶体进行了光损伤诊断，结果表明该方法准确、有效。     

小波神经网络在齿轮箱故障诊断中的应用

介绍了小波神经网络的基本概念及基构造,并针对齿轮箱故障的复杂性,综合利用小波函数的特点,构造了用于齿轮箱故障诊断的小波网络,对齿轮箱的状态进行判别,实现故障诊断。实验结果表明,小波神经网络在故障诊断领域具有良好的实用性。     

小波神经网络在变压器故障诊断中的应用

为提高神经网络系统故障诊断的效率和准确率,考虑到小波变换的良好的时－频特性,本文结合小波变换和神经网络并应用于电力变压器的故障诊断中,取得了较好的效果。     

柴油机供油系统中压力波信号的小波分析

通过压力传感器、放大器、A／D卡和计算机对柴油机供油系统中泵端和嘴端压力小信号进行了采集，然后用小波分析法对其时频特性进行了研究。研究结果表明：通过小波变换，可将柴油机供油系统中压力波信号的各个频带成份清晰地显示出来，并可以看出泵端和嘴端压力波在小波分析后的差别。     

小波分析在系统故障检测中的应用

本文给出了小波分析在故障检测中的一例应用，给出了小波变换在尺度下的局部极大值点的概念，并把它应用于故障检测中。实验表明，小波分析用于故障检测有很好的效果。     

子波神经网络在故障诊断中的应用研究

根据旋转机械常见的的故障类型和故障信号时域采样数据 ,以子波空间作为模式识别的特征空间 ,采用信息熵为代价函数的神经网络学习算法 ,由子波神经网络对故障进行学习和诊断 .实验结果表明 ,子波神经网络的故障诊断方法在不了解故障信号频率结构的情况下 ,即可对平稳和非平稳故障信号进行诊断 ,适于设备在线监测及设备的巡检     

基于遗传小波神经网络的故障预报应用

目的减少铝电解故障的发生,提高阳极效应预报的准确性、实时性和铝的生产效率,节约能源.方法将遗传算法应用于小波神经网络,构成遗传小波神经网络,以确定小波基函数的个数、优化网络参数,以遗传小波神经网络为预测模型,通过预测槽电阻变化率来预测电解过程中的阳极效应.结果通过遗传算法能对小波神经网络的参数进行全局优化,确定了网络结构,而且小波神经网络具有较强的自适应性、鲁棒性和函数逼近能力,使预报精度提高了约9.5%,提前预报时间1 m in左右.结论该预测模型改善了故障预报准确性和实时性,避免了故障的发生,降低了能源消耗,提高了铝电解的生产效率,实现了安全生产.     

柴油机燃油喷射系统磁电式执行器的控制

通过对柴油机磁电式执行器的分析与单体实验研究 ,提出了一种克服参数非线性的双向分段PID控制方法。实验表明 ,本文提出的方法可以使执行器的动态响应得到较大的改善。     

小波变换和人工神经网络在电力系统动态等值中的应用

利用小波变换对功角数据进行处理,并用人工神经网络来识别系统中的相关发电机组,能取得较传统的相关识别方法更高的等值精度．以东北电网作算例,证明利用该方法进行电力系统动态等值有很好的效果．利用小波变换和人工神经网络进行发电机相关识别,为电力系统动态等值提供了一种新的方法,也为动态等值实时化提供了一条新思路．     

柴油调合RBF神经网络模型研究

南京炼油厂计划把原有的柴油手工调和工艺改为自动化调和工艺 ,实现对调合组分配方的优化控制。建立能适应调合工况变化、并能正确测定调和柴油质量指标的数学模型是关键。根据实测的南京炼油厂柴油调合生产数据 ,建立了以常二线、常三线、催化柴油和精制柴油 4路组分柴油的流量和倾点为输入参数 ,调和柴油倾点为输出参数的柴油调合RBF神经元网络模型。与回归模型和BP神经网络模型比较 ,RBF模型无论对训练数据集还是对检验数据集 ,均能更精确地预测实际生产过程的调合柴油产品倾点值 ,显示了良好的工程应用前景。     

遗传神经网络在齿轮故障诊断中的应用

由于齿轮故障征兆与故障之间具有非线性和耦合性等特点,采用BP神经网络对齿轮进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于遗传算法的BP神经网络齿轮故障诊断方法,即在利用BP神经网络对齿轮进行故障诊断的基础上,利用遗传算法对神经网络的权值和阈值进行修正,得到全局的最优值.仿真结果表明,该诊断策略具有故障诊断能力强和诊断效率高的特点,改善了齿轮故障诊断的精度和速度.     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点,提出采用三层BP小波神经网络构造故障诊断模型,对油泵进行故障监测和诊断.该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理,对油泵多种常见故障取得了满意的诊断效果,不仅具有特征自动提取以及较强的自学习和自适应功能,而且操作维护简便.研究结果表明:信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径;对油库安全维护与故障诊断具有重要意义.     

GASA—SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机（SVM）参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法sA的概率突跳特性,提出一种改进的基于遗传退火算法（GASA）混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明：应用GASA．SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。     

小波神经网络分类算法在教育信息管理系统中的应用

小波神经网络在预测及分类应用中较之前馈神经网络RBF及单隐层BP神经网络有着无法比拟的优势.本文将小波神经网络的强大分类功能用于教育信息管理系统的数据分析中,完成了200多所中小学各项指标的综合分析、数据统计和学校分类划分.系统实际运行表明,该算法预测和分类功能强,分析结果准确率高达96%,有很好的应用价值和工业推广意义.