基于RBF神经网络的结晶器激振在线监测与故障诊断软件模块

根据径向基函数神经网络的工作原理和特点，提出了对连铸机结晶器液压激振系统的运行状态进行在线监测和故障诊断的软件功能模块构成。     

基于LMD和RBF结合的齿轮箱故障诊断

局域均值分解(Local Mean Decomposition,LMD)是近年来出现的一种新的时频分析方法,在机械设备故障诊断领域中的应用日益广泛。针对齿轮箱振动故障信号的非平稳性和非线性,提出了一种基于局域均值分解和径向基函数神经网络(Radial Basis Function Neural Network,RBF)相结合的齿轮箱故障诊断方法。该方法利用小波包对原始信号进行消噪;利用LMD对处理后信号进行分解,得到一系列PF分量(Product Function,PF);选取包含主要故障信息的PF分量并从中提取偏度系数等特征参数对RBF神经网络进行训练,并对齿轮箱故障进行识别和分类。通过实例验证了该方法的有效性。     

集成神经网络在铝电解故障诊断中的应用

本文提出基于诊断任务分解的并行神经网络——集成神经网络来对铝电解过程中的故障进行诊断。利用小结构的神经网络学习速度快、局部极小点少等优点．把大结构的神经网络通过任务分解然后集成转化为小结构的神经网络，优化了大结构的神经网络的学习性能，降低了误诊率。     

基于AGA-BP算法的智能故障诊断技术研究

针对传统BP神经网络的不足,提出基于自适应遗传算法的BP神经网络故障诊断算法.在迭代计算前期,采用自适应遗传算法对神经网络的权值和阈值进行全局优化;在迭代计算后期,利用改进的BP算法在近似最优解附近进行局部寻优.将该算法用于磨削烧伤的故障诊断之中,并将结果与基于改进BP网络的诊断结果进行比较,证明该方法的正确性和有效性.     

某型四余度舵机的神经网络故障诊断模型

某型四余度电液舵机是飞机平尾操纵系统的关键部件，是机、电、液高度耦合的复杂系统。本文根据实际需求，将系统分为元件、部件及系统三种不同层次的故障诊断问题，运用神经网络故障诊断理论，分别建立其BP神经网络诊断模型，并介绍了神经网络故障诊断系统的实现。     

液压泵故障诊断的小波-神经网络方法

针对利用压力信号进行故障诊断的液压齿轮泵,分析了液压齿轮泵的压力脉动机理,研究了应用小波分析进行齿轮泵压力信号的特征提取,利用RBF网络进行故障识别和诊断的方法,建立了相应的RBF神经网络,试验表明小波分析-RBF神经网络方法可对液压齿轮泵的常见故障进行识别和诊断.     

基于BP神经网络的SCARA机器人故障诊断

以SCARA机器人为研究对象,在ADAMS软件中建立SCARA机器人模型,进行仿真。采集SCARA机器人大臂前后端、小臂前后端及底座等容易出现裂纹部位的加速度数据;在MATLAB中运用BP神经网络建立SCARA机器人故障诊断模型,实现利用BP神经网络对SCARA机器人故障进行智能识别与分类。结果表明：BP神经网络的计算结果与期望输出基本一致,验证了其准确性及可靠性。     

基于模糊神经网络的故障诊断方法研究

文章构造了一种模糊神经网络模型,并详细阐述了模糊神经网络(FNN)的结构、算法.经过MATLAB仿真运行证明其可行性,另外在相同的条件下,FNN网络在故障诊断的准确率及训练速度方面均优于传统的BP网络.     

基于RBF神经网络与LMD的滚动轴承故障诊断方法

直升机传动系统故障诊断及预测对提高其运行时的可靠性和安全性具有重要意义。本研究首先采用小波包降噪与局部均值分解相结合的方法提取滚动轴承故障特征,其次用故障样本对设计好的RBF(Radial Basis Function Neural Net-work,简称RBF)诊断网络进行训练,最后利用训练好的RBF网络实现故障的智能诊断。实验结果验证了该方法能够有效地对滚动轴承故障进行分类识别。     

基于PLC-BP神经网络的流量计故障诊断

针对提高流量计可靠性的问题,提出使用BP神经网络进行故障诊断的方法,对流量计故障诊断进行了分析和设计;介绍了BP神经网络在故障诊断中的应用,并在Step7-300内部实现了BP神经网络。实验表明:运用此方法后诊断准确率可达90%以上。