基于Elman神经网络的混凝土输送液压系统故障诊断研究

通过对混凝土输送液压系统的失效形式和故障机制进行分析,提出将Elman神经网络算法应用于混凝土输送液压系统故障诊断的方法。针对混凝土输送液压系统故障诊断的特点,建立Elman神经网络故障诊断模型。选择典型的故障样本训练网络,并使用Matlab神经网络工具箱进行模拟仿真,仿真结果验证了该方法的可行性。     

基于优化BP神经网络的快速起竖装置液压驱动系统故障诊断

快速起竖装置在自卸车等工程机械以及导弹发射车等军事领域均有较为广泛的应用.液压驱动系统是快速起竖装置的核心,准确诊断其故障具有重要意义.传统BP神经网络故障诊断准确率随着故障类型的增加急剧下降,难以满足工程需求.以快速起竖装置液压驱动系统为研究对象,提出一种基于BP神经网络和AdaBoost算法的故障诊断方法,将BP神...     

起升机构液压系统模糊神经网络故障诊断

基于起升机构液压系统故障诊断的特点,提出基于故障树的模糊神经网络作为汽车起重机起升机构液压系统故障诊断的方法。该方法利用故障树知识,提取汽车起重机起升机构液压系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,运用模糊隶属度函数来描述这些的程度,利用共轭梯度优化算法对神经网络进行训练,并通过实例分析,验证了汽车起重机起升机构液压系统模糊神经网络故障诊断的有效性。     

一种基于Elman神经网络的液压泵故障诊断技术

针对传统BP网络进行液压泵故障诊断时，网络学习具有收敛速度慢和学习、记忆不稳定的缺陷，提出将Elman神经网络应用于液压泵故障诊断，建立Elman神经网络的结构模型，介绍了该网络的训练算法，阐明了液压泵故障诊断的实现过程。通过试验验证了该神经网络收敛速度快，学习记忆稳定，具有很好的学习功能；测试结果表明该诊断方法具有高可靠性，达到了预期的结果，可以用于液压泵故障诊断。     

基于RBF神经网络的液压系统模糊故障诊断研究

提出了将RBF神经网络运用于液压系统模糊故障诊断的方法,针对该网络不能识别新状态类型的缺陷,应用一种基于置信度的判别原则.通过实例对该网络的性能进行测试,并且与BP网络的识别结果进行对比,发现该网络能取得更好的效果,并具备识别新的状态类型.     

故障树分析法在某双缸起竖液压系统同步性超差问题中的应用

针对某双缸起竖液压系统同步性超差问题进行了故障树分析,提出利用液压原理图故障诊断方法进行快速排故的策略,并通过试验方式验证了排故策略的准确性,归纳了液压系统排故维护的方法技巧,提升了保障人员对液压系统的排故能力。     

基于 BP 神经网络的液压系统泄漏故障诊断

针对液压系统的泄漏问题,提出了基于ＢＰ神经网络,以液压系统压力动态过渡过程为分析对象的故障诊断方法。该方法在通常ＢＰ神经网络的基础上,采用对学习样本加噪声的方法,提高了ＢＰ网络对噪声的抑制能力。它比传统方法,具有可靠性高,适用性广,而且成本低廉的特点。     

液压起竖系统载荷仿真研究

针对某特种车辆的液压起竖系统,根据其运动状态和运动方程,分别建立了起竖液压缸活塞杆位移和流量计算模型、液压负载力矩计算模型和液压缸起竖力计算模型。基于AMESim软件建立起液压起竖系统及载荷的仿真模型,并进行了动态仿真,得到了液压缸活塞杆的位移和速度、液压缸无杆腔的压力与流量、液压负载力矩和起竖力等参量的曲线。分析各个参数动态特性,对与负载相关的参量有了定量的认识。研究结果可为起竖系统的结构优化设计、故障诊断提供参考。     

基于Elman神经网络的滚动轴承故障诊断方法

介绍了Elman神经网络的模型及原理,阐述了滚动轴承故障诊断的技术路线;通过轴承故障试验台采集滚动轴承振动信号并提取信号特征数据,利用构建的Elman神经网络,实现了轴承的智能诊断。与传统BP神经网络诊断相比,Elman神经网络综合诊断性能更优。     

基于Elman网络的齿轮箱故障诊断

在非拆卸状态下,传统的齿轮箱故障诊断手段往往依赖于专家的经验判断。但是,由于齿轮箱是一种非常复杂的传动机构,所以专家的经验并不能解决所有的诊断问题。本文应用Elman神经网络对拖拉机齿轮箱进行故障诊断,经过试验,表明方法切实有效。     

基于遗传神经网络的液压厚度自动控制系统故障诊断研究

该文以液压AGC系统常见故障为例，在阐述遗传神经网络原理的基础上，应用遗传神经网络算法对其故障进行分析，通过实验证明了该算法的有效性，具有一定的推广价值。     

基于改进Elman神经网络的悬架试验系统

提出了一种能满足多层网络、多阶系统的改进型Elman网络,建立了基于改进Elman神经网络的PAC控制器。对六自由度悬架试验平台系统进行了控制研究,分析了悬架参数对轮荷利用率和相位角的影响。整车实验证明：参数匹配的悬架可以有效减小车身振动,降低悬架动挠度和轮胎动载荷。     

基于神经网络理论的液压系统故障诊断系统

为了实时、准确地对液压系统的故障进行诊断,开发了一套基于神经网络理论的液压系统故障诊断系统,利用PC机强大的数据处理能力对采集的数据进行实时处理并直观地显示处理结果,极大地提高了诊断速度和准确度。将此系统应用于某型车辆液压系统的故障诊断,达到了比一般故障诊断系统更好的准确度和更快的速度。     

基于多尺度熵的滚动轴承Elman神经网络故障诊断方法

针对滚动轴承故障振动信号具有跨尺度复杂性的特点,提出了一种新的基于多尺度熵(multiscale entropy,MSE)和反馈式Elman神经网络的滚动轴承故障诊断方法。该方法利用MSE对滚动轴承不同健康状态下的振动信号进行故障特征提取,并将其作为Elman神经网络的输入,利用Elman神经网络自动识别轴承所属的故障类型及故障程度。实验数据包括不同故障类型和不同故障程度样本,结果表明提出的方法能有效地实现滚动轴承故障类型以及程度的智能诊断,效果优于前馈式概率神经网络(Probabilistic neural network,PNN),并具有较低的虚警率和漏警率。     

基于粗糙集神经网络的液压伺服系统故障诊断模型的研究

文章提出了一种基于动态流量的液压伺服系统故障诊断的新方法,即基于粗糙集神经网络专家系统的故障诊断方法,在分析了现有故障诊断方法及其局限性的基础上,重点阐述该方法的体系结构设计,详细讨论了知识获取模块和神经知识库等关键技术。最后给出了粗集神经网络推理机的工作过程。     

基于知识增殖神经网络的滚动轴承故障诊断

对滚动轴承故障模式识别进行了研究,阐述了小波包神经网络诊断方法的工作原理和实现过程.针对在处理大规模或者较复杂问题时,人工神经网络存在网络学习失败或推广能力不好的问题,从网络推广能力的角度分析了具有知识增殖能力的小波包神经网络诊断系统的结构设计.试验结果表明,所提出的故障诊断方法能够较精确实现滚动轴承多部位的单一、复合故障的定位和模式识别,效果明显好于单一网络.     

Elman神经网络在起重机安全评估中的应用

介绍了Elman神经网络在起重机安全评估过程中的应用原理，指出了Elman神经网络发挥的巨大作用。通过对起重机安全保护装置对起重机安全作业的影响分析，建立了评估模型和结构参数，通过120个评估样本的测试，安全评估正确率可达到95％以上，具有较高的正确率。     

基于小波神经网络(WNN)的齿轮故障诊断

在研究齿轮故障诊断模型以及齿轮故障诊断策略的基础上,选择基于知识方法的小波神经网络方法用于齿轮故障诊断,提出了学习速率自适应调整的梯度下降法来修正小波神经网络的各个系数;最后通过实验证明,利用小波神经网络技术能够实现准确识别齿轮故障.