遗传BP网络在雷达装备BIT虚警抑制中的应用研究

针对现有故障诊断方法不能有效抑制雷达装备BIT虚警的现象,提出一种遗传算法优化后的BP神经网络技术抑制雷达装备BIT虚警的方法;首先介绍经遗传算法优化后BP神经网络的基本结构和学习算法,再结合雷达装备BIT的特点,以某火控系统雷达发射机作为被故障诊断对象,采用9个具有代表性的雷达发射机故障特征和8个典型故障,以Matlab作为开发工具进行仿真实验;实验结果表明该方法能准确对故障进行定位,有效抑制BIT虚警,提高雷达系统故障诊断能力。     

基于BP神经网络的BIT虚警抑制技术

从BIT设计、工作可靠性上论述了虚警产生的原因,并以此提出了BIT虚警抑制的方法.分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的故障诊断系统,并对导弹测试数据进行了实验,结果表明将BP神经网络用于故障诊断能够有效地抑制虚警产生,使被测系统具有更高的故障诊断能力.     

基于信息融合技术的装备BIT故障诊断系统应用研究

BIT就是系统、设备内部提供的检测、隔离故障的自动测试能力;传统BIT主要面向单一功能设计,不具有同时应对多信息的处理功能,面对复杂电子装备的多信息处理问题,传统BIT故障诊断能力不足,导致系统虚警率过高,测试性与故障诊断能力下降,在BIT系统中运用信息融合技术对多信息进行整合,对于提高BIT综合效能,实现快速高效的故障诊断具有重要意义;文章首先对信息融合基本原理进行了介绍,构建了基于信息融合的装备BIT故障诊断系统结构,接着对信息融合诊断系统进行了建模,并对模型中基于神经网络的BIT诊断技术、基于D—S理论的BIT决策技术的关键技术进行了研究,最后给出了故障诊断程序流程;该技术研究通用性强,适用于多种不同型号的复杂电子装备的BIT快速故障诊断。     

BP神经网络和Elman神经网络在模拟电路故障诊断中的应用

通过分析BP神经网络和Elman神经网络的基本结构和算法,研究了基于神经网络的模拟电路故障诊断方法,并通过仿真实验对比分析了BP神经网络和Elman神经网络的诊断能力。结果表明,BP神经网络的收敛速度相对较慢、训练时间长;Elman神经网络的结构参数调整简单、训练时间短、性能稳定,更适合存在容差、非线性等问题的模拟电路故障诊断。     

基于可测信息源的APU故障智能诊断方法研究

针对APU维修智能化水平较低问题,提出了一种基于可测信息源的APU故障智能诊断方法,利用BP神经网络建立智能故障诊断模型,详细阐述了该方法的数学原理及其实现算法。在数据处理中采用小波分析及巴特沃斯数字滤波器,对所采集数据中的噪声和干扰进行滤除。利用APS3200型APU的相关数据作为样本,建立了基于BP神经网络的APU故障智能诊断模型。利用MATLAB进行建模计算,结果表明,该智能诊断模型具有学习速度快、噪声干扰抑制能力强等特点,且诊断结果准确,提高了维修单位维修效率,对提高航空公司机务维修自动化水平具有重要意义。     

基于BP神经网络液压制动故障诊断研究

本文应用BP神经网络对某进行液压制动系统智能诊断,不仅可以系统的故障进行正确的诊断,而且由于神经网络自学习功能,对于新出现的故障也能够进行预测性的诊断。     

基于神经网络的发动机智能诊断

为提高机械设备的维修诊断能力,提出了基于神经网络的智能诊断技术。采用自适应调整步幅的BP算法,改进后的算法,在误差精度高时能极大提高收敛速度,减少误判率。利用12150L发动机进行了实验,设置典型故障,采集声音信息,对原始声音信号进行解读、采样和分析,形成样本,通过学习和测验,该系统对预设的故障都进行了成功的判断,达到了预期的目的;而且智能诊断系统能分清熟练工人都无法直观判断的故障。实验结果表明,基于神经网络的智能诊断是可行的,具有良好的推广应用价值。     

基于CAN总线的雷达装备BIT故障诊断专家系统研究

介绍了一种基于CAN总线的分散检测,集中诊断、显示的雷达BIT故障诊断系统,描述了其硬件组成、专家系统结构,知识表示和推理机制。通过在该雷达BIT中采用专家系统诊断方法,使得推理机与知识库分离,便于诊断知识库的扩充、维护,有效提高了系统BIT故障诊断能力。     

BP神经网络在故障字典快速定位中的应用

故障字典法是一种很实用的故障诊断方法,但对于大规模、复杂电路,故障字典庞大,故障搜索速度影响了实时诊断效率。提出一种将规模较大故障字典分解为多个子故障字典,采用BP神经网络组织其搜索索引的方法。该方法利用BP神经网络能够精确描述输入数据与目标数据之间的映射关系的能力,组织多个BP神经网络组成多层的二叉树索引结构。通过该索引,大大缩小了故障查找范围,提高了搜索速度,提高了实时诊断的效率。     

基于改进的BP神经网络的中医舌诊诊断研究

研究人工神经网络方法应用于中医舌诊诊断,通过分析传统BP算法的不足之处,提出了改进的方法,并采用改进的BP算法构建中医舌诊智能诊断的神经网络模型.实验结果表明:该中医舌诊智能诊断模型具有诊断能力较强、收敛速度较快,泛化能力较强等特点.     

基于BP网的交流电机调速系统智能机内检测技术研究

本文介绍了一种采用了智能机内检测技术的交流电机调速系统，基于BP网的机内检测技术提高了故障诊断的精确性．缩短了诊断时间，可对电机提供可靠而有效的保护。     

基于支持向量机的机械故障智能分类研究

故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一，支持向量机（SVM)是一种基于统计学习理论(SLT)的机器学习算法，它能在训练样本很少的情况下达到很好的分类效果，从而为故障诊断技术向智能化发展提供了新的途径．本文介绍了支持向量机分类算法，以滚动轴承的故障分类为例，探讨了该算法在故障诊断领域中的应用，并与BP神经网络分类方法进行了对比研究，结果表明，SVM方法在少样本情况下的分类效果优于BP神经网络分类方法．     

基于学习矢量量化网络的智能BIT故障诊断方法

将一种经过修正的基于学习矢量量化算法的竞争网络应用在多电飞机电气系统智能BIT故障诊断中,该网络在竞争层实现故障模式的自组织聚类,在输出层给出了具体的故障模式,通过与原算法进行比较,修正后的算法达到了很好的故障识别和分类效果.     

基于EEMD和GA-BP的列车辅助逆变器开路故障诊断研究

地铁列车随着运营年限增加,辅助逆变器故障频发,严重制约轨道交通安全运营,故障及时诊断至关重要。针对列车辅助逆变器典型的大功率器件开路故障,提出了一种基于集合经验模态分解(EEMD)和遗传算法优化的BP神经网络(GA-BP)的故障诊断方法,该方法以辅助逆变器输出的三相半波电压值为监测信号,通过EEMD分解采用能量矩的方法提取故障特征向量,基于GA-BP神经网络实现故障智能诊断。仿真实验结果表明该方法故障诊断准确率能达到95.5%。     

基于BP小波神经网络的模拟电路故障诊断

针对现有BP网络在模拟电路故障诊断中存在的问题,提出了一种基于BP小波神经网络的故障诊断方法.该法将小波函数与BP网络结合构成BP小波网络,这种网络具有小波变换的时频局域化性质和BP网络的自学习能力.分别用BP小波网络和传统BP网络对实例电路进行故障诊断,结果表明本方法是有效的,而且比传统BP网络方法的学习收敛速度快得多.     

基于粗糙集-BP神经网络的机车滚动轴承故障诊断

论文提出了一种基于粗糙集理论与BP神经网络相结合的机车滚动轴承故障诊断方法.首先对原始故障诊断样本的连续属性进行离散化处理,然后利用粗糙集理论,对条件属性进行约简,删除冗余信息,最后将约简的最小属性集作为BP神经网络的输入,并设计BP神经网络对滚动轴承进行诊断.仿真结果表明粗糙集-BP模型不仅简化神经网络结构,而且提高了收敛速度和故障诊断正确率.     

基于改进BP神经网络的某型装备故障诊断专家系统

分析神经网络和专家系统的特点．提出基于BP神经网络与专家系统结合的某型装备的故障诊断方法,构造BP神经网络的装备故障诊断专家系统的诊断模型,克服传统专家系统在知识获取和表达的薄弱环节,并用某型装备的故障实际数据进存验证,结果表明神经网络与专家系统结合是一种有效的诊断方法。     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

基于HMM-BP-DS的雷达装备BIT虚警抑制方法

针对雷达装备BIT虚警“假报”、“错报”的两类表现,提出一种基于HMM-BP-DS的虚警抑制方法.首先将雷达系统状态划分为正常、虚警和故障3个状态,利用HMM区分系统是否产生故障,消除“假报”现象;再对故障状态下采集到的雷达数据采用BP神经网络和D-S证据理论处理,对故障进行定位,以消除“错报”现象.实验分析结果表明,该方法能有效降低雷达装备BIT虚警率.