基于模糊神经网络的船用柴油机智能故障诊断

船用柴油机是整个船舶的动力装置,如果发生故障就会对船舶的安全性造成很大的威胁,因此,如何迅速判断故障发生的原因,进而有效排除故障,对保证船舶的正常航行具有特别重要的意义.针对船用柴油机故障多,且具有复杂性和模糊性的特点,以及模糊神经网络在解决非线性复杂问题方面具有的独特优势,提出了一种基于模糊神经网络的船用发动机智能故障诊断专家系统.该系统结合了模糊逻辑理论、人工神经网络以及专家系统的优点,推理速度快,容错能力强,且具有简单实用的人机界面.仿真结果表明,该系统不仅操作使用方便,而且故障诊断结果准确,具有广泛的应用价值.     

基于神经网络的船用柴油机故障诊断

给出一种基于径向基函数(RBF)神经网络模型应用于船用柴油机故障诊断的方法，并以6-135ZC柴油机的故障诊断进行模拟计算和验证；结果表明，这种方法识别率很高，是切实可行的。     

电子设备智能故障诊断系统的研究

近几十年来人工智能技术的迅速发展,特别是专家系统、人工神经网络和模糊理论在诊断领域中的进一步应用,为智能诊断开辟了新的途径。随着人们对故障诊断技术的不断深入研究,认识到对于复杂系统的故障诊断仅仅依靠单一智能技术很难获得令人满意的效果。因此,多种不同的智能技术结合起来的混合诊断系统是智能故障诊断研究的一个发展趋势。     

农用柴油机故障诊断系统的研究与开发

根据小型拖拉机的常见故障,利用Microsoft Visual FoxPro编程工具和人工智能专家系统原理,建立了知识库和相应知识表达推理机制,设计并组建了农用柴油发动机故障诊断专家系统,缓解了故障诊断专家供不应求的矛盾,提高了农用柴油机的常见故障诊断的效率和准确率。该系统主要实现的功能包括:发动机故障诊断;故障模糊查询;用户诊断数据库浏览、打印;知识库维护修改和扩充。     

某舰艇柴油机冷却系统智能故障诊断系统设计

对某舰艇柴油机冷却系统的故障诊断进行了研究,针对传统故障诊断当中效率慢、准确度低的缺点,设计了某舰艇柴油机冷却系统的智能故障诊断系统;利用改进的BP神经网络算法通过VB加载C++写的DLL对某舰艇柴油机冷却系统进行了应用;应用结果表明,提高了故障诊断的效率并具有较强的自学习和自适应的能力。     

BP神经网络在柴油机涡轮增压系统故障诊断中的应用

将BP神经网络应用于柴油机涡轮增压系统的故障诊断。简要介绍了BP神经网络的基本原理和算法,采用BP算法对网络进行训练、学习,可以识别柴油机滤清器堵塞、空冷器空气测流阻增大、气缸进排气堵塞及废气涡轮流阻增大四种故障,诊断结果和实际结果非常吻合,诊断结果可靠性强,并可以准确预计故障等级。     

基于BP神经网络模型的电机故障诊断专家系统

针对传统机械设备故障诊断专家系统存在知识获取能力弱、求解有一定局限性等问题，介绍了BP神经网络旋转机械故障诊断专家系统，对单位BP算法，BP神经网络的建立、训练及应用作了具体说明。该系统学习效率高，故障诊断准确，已成功应用于铁路机车走行部的轮对电机在线故障诊断。     

柴油机数据采集和故障诊断系统的研究

介绍了柴油机故障诊断仪的系统结构、原理和诊断算法。本系统以便携机为核心，配以多路数据采集卡和不同功用的传感器，组成一个综合检测系统。通过对柴油机故障表征的判断和有关动态信号的采集，提取特征参数，实现不解体检测和故障诊断的功能。文中还对诊断专家系统的结构和策略进行了讨论。     

船用柴油机智能监控系统的研究

针对船舶柴油机转速传感器性能指标测试必要性和传统测试仪的局限性,引入实用而高效分布式智能监控系统,发挥集中管理、分散控制优势。     

柴油机故障诊断专家系统

本文讨论了柴油机故障诊断专家系统的总体结构。着重讨论其知识库结构，推理方法，利用该专家系统，装入领域知识的相应规则集，即可用于不同型号，不同用途柴油机的故障诊断，此专家系统采用C语言编写。     

两种优化训练的FNN在船舶柴油机故障诊断中的性能研究

本文针对船舶柴油机故障诊断系统,基于遗传算法（genetic algorithm,GA）和蚁群优化算法（ant colony optimization algorithm,ACOA）构造了2种优化训练的模糊神经网络（fuzzy neural network,FNN）智能故障诊断模式,给出了该模糊神经网络智能故障诊断系统的结构及其参数选取方法,通过对船舶柴油机燃烧子系统的FNN模型结构权值和阈值优化训练的故障诊断仿真研究,对两种方式的性能进行对比研究,仿真测试结果表明,基于ACOA的诊断模型具有更好的故障诊断知识表达准确性和较快的收敛速度等特点,具有较好的应用前景。     

基于PCA-KFCM的船舶柴油机故障诊断

为提高船舶柴油机故障诊断的准确率和深刻反映船舶柴油机的运行状况,结合主元分析(PCA)的特征提取优势和模糊核聚类(KFCM)具有较好聚类效果的特点,提出了一种新的船舶柴油机故障诊断方法。该方法首先利用主元分析对船舶柴油机故障的训练和测试数据集进行特征提取,消除了故障征兆之间的相关性;然后对经特征提取后的训练样本进行模糊核聚类,并用网格法确定其中的参数,得到聚类中心。最后通过计算测试样本集中各样本与聚类中心在高维特征空间中的欧氏距离,得出最终的故障诊断结果。对MAN B&W 10L90MC型船用柴油机的故障诊断结果验证了该方法的有效性。因此,应用提出的方法对船舶柴油机进行故障诊断具有重要的实际意义。     

基于PCA-KFCM的船舶柴油机故障诊断

为提高船舶柴油机故障诊断的准确率和深刻反映船舶柴油机的运行状况,结合主元分析(PCA)的特征提取优势和模糊核聚类(KFCM)具有较好聚类效果的特点,提出了一种新的船舶柴油机故障诊断方法。该方法首先利用主元分析对船舶柴油机故障的训练和测试数据集进行特征提取,消除了故障征兆之间的相关性;然后对经特征提取后的训练样本进行模糊核聚类,并用网格法确定其中的参数,得到聚类中心。通过计算测试样本集中各样本与聚类中心在高维特征空间中的欧氏距离,得出最终的故障诊断结果。对MAN B&W 10L90MC型船用柴油机的故障诊断结果验证了该方法的有效性。因此,应用提出的方法对船舶柴油机进行故障诊断具有重要的实际意义。     

船舶柴油机故障诊断仿真系统研究

该文阐述了船舶柴油机故障诊断仿真系统的模型、结构与功能,着重介绍了基于RBF神经网络故障诊断方法。本系统具有结构简单、功能齐全等优点,对开发实船柴油机故障诊断的辅助分析系统和培训轮机员熟悉处理故障有实际意义。     

针对神经网络缺陷的柴油机在线故障诊断研究

神经网络各模型在柴油机故障诊断的应用过程中,都有各自的特点;针对单一网络模型在故障诊断过程中的缺陷,提出应用多种模型的子网络组成组合网络进行诊断,各子网络的诊断输出应用模糊变换处理,融合多种故障有效信息,提高故障诊断的准确性;首先将BP、Elman诊断子网络得出其各自的初步诊断结果;然后应用模糊变换得出决策级在线诊断结果;通过对某柴油机燃油供给系统的故障诊断过程表明,该诊断模型能融合有效故障信息,避免了单个子网络诊断的失效,有效降低了系统的不确定性。     

基于模式识别的柴油机故障诊断

提出一种基于模式识别的故障诊断方法，利用传感器检测柴油机燃油压力波形，并对波形进行数学建模和特征提取，讨论分析了最小距离判别法，选用Euclidean距离，将其应用到柴油机燃油压力波形的故障诊断中，得到相当理想的诊断结果，最后给出两个实验例子，此方法具有运算简单，运算速度快，判别精度高等特点，具有广阔的发展空间。     

基于神经网络的柴油机故障诊断方法

提出了一种基于三层BP网络的柴油机故障诊断模型，给出了一种基于黄金分割法的变步长学习算法。仿真结果表明，该算法比标准BP算法具有更快的学习速度，完全适用于柴油机故障诊断系统。     

基于灰色关联神经网络的主机热力参数监测研究

为了对船舶主动力系统的热力性能参数进行监测研究,以确保故障预警的可靠性,针对主机热力参数间的非线性关系,建立了基于灰色关联分析的BP神经网络监测模型(GRA-BP),通过灰色关联分析和信息熵加权对网络输入量进行预处理,并利用遗传算法优化网络的初始权值和阈值,提高模型监测精度;最后,以实船主机排气温度为待监测对象,验证了该监测模型的准确性,平均相对误差为0.549℃,优于传统网络的监测结果.