基于模糊神经网络的智能故障诊断专家系统

发动机是车辆的核心部件,及时有效地发现并排除故障,对降低维修费用,减少经济损失,增加发动机工作时的可靠性,避免事故发生具有重大的意义。以某型号发动机为研究对象,运用测试技术、信号处理、小波分析、神经网络和模糊控制理论,提出了基于模糊神经网络的智能故障诊断系统。建立了发动机故障信号采集试验台,在试验台上人工模拟3种转速下6种工况,通过加速度传感器采集正常工况和异常工况的振动信号,之后利用小波包技术进行消噪处理,并提取出故障信号的特征值,作为网络训练和测试的样本数据。用样本数据训练和检测自适应模糊神经网络,完成对信号的离线模式识别,之后以测试样本数据实现在线故障诊断,通过仿真分析,取得了很好的诊断效果。与传统的BP神经网络故障诊断方法进行对比,无论在诊断精度上还是学习速度上,模糊神经网络在故障诊断中更具有优势。同时,在专家系统的理论基础上,将模糊神经网络与专家系统进行信息融合,实现数据接口通信,利用网络的自学习能力建立智能故障诊断数据库和诊断规则库,通过程序语言快速高效的设计出智能诊断系统。最后,通过发动机故障诊断实例仿真分析,验证了基于模糊神经网络的智能故障诊断专家系统的可行性。     

浅析模拟电路故障诊断中神经网络与专家系统的应用

介绍专家系统应用于模拟电路故障诊断的原理,并指出该方法在故障诊断中的应用现状和存在的问题;提出神经网络和专家系统的结合方式,利用专家系统和BP神经网络的优点,克服它们的一些缺点。     

神经网络专家系统在数控机床机械故障诊断中的应用

依据单一的专家系统或神经网络在处理故障诊断中各自存在着局限性,提出将神经网络技术与专家系统融合的集成式故障诊断专家系统,并用于数控机床的机械故障诊断中。介绍神经网络专家系统结构、特点及诊断方法,利用获得的机床机械故障知识、故障样本数据对系统进行验证。结果表明该系统人机界面友好,操作简单,有效地提高数控机床机械故障诊断的水平和效率。     

发动机磨损诊断的神经网络技术研究

目的：利用神经网络技术诊断发动机的磨损故障，研究神经网络技术应用于机械故障诊断领域的发展方向，方法：基于油液分析技术，对发动机常见磨损故障进行诊断，具体包括发动机磨损颗粒的识别，磨损元素浓度值的预测和磨损故障智能诊断专家系统，结果：对其于油液分析的发动机故障诊断提供了新的方法，结论：使用神经网络技术可以大大提高发动机磨损故障诊断的效率，说明该技术方法在发动机磨损故障诊断领域是有效的，同时对其它机械设备的磨损故障诊断具有借鉴意义。     

基于模糊算法的配电网故障诊断研究

通过分析配电网的特点，针对电网故障的不确定性因素，采用模糊算法的专家系统进行故障诊断，先研究专家系统的主要结构，然后将数据库理论以及横糊理论进，行综合应用，对电网故障诊断问题进行充分的研究，将模糊识别技术与故障诊断专家系统结合起来，并最终设计并实现了基于模糊识别的电网故障诊断专家系统。     

包装机械故障诊断的新方法——神经网络专家系统(PMNS)

提出了一种基于知识与模糊神经网络专家系统故障诊断方法,设计了包装机械故障诊断的神经网络专家系统的知识获得、知识库、推理机制等主要功能模块,并实现了基于改进型神经网络的包装机械诊断专家系统。     

基于模糊逻辑专家系统的机车动力系统电力故障诊断

智能控制理论的发展为解决电力驱动系统故障诊断带来了新方法.对于非线性和不确定模型系统而言,智能控制中的模糊逻辑控制和专家系统是有效策略之一.结合两种系统优点,构建模糊逻辑专家系统,对电源电路进行状态监控和故障分析.并通过对典型电源电路的分析,提出一种通用的故障分析系统构架,为今后的相关研究确立了基础.     

基于模糊神经网络的故障诊断方法研究

将模糊原理引入神经网络,对机械设备的故障诊断方法进行了研究,介绍了具体实现过程及原理,论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价,建立了单症兆和多症兆诊断的模糊神经网络模型,并由此模型建立了模糊神经网络故障诊断专家系统(FNN)模型.介绍了该模型在66-10空压机上的具体实现过程.     

基于BP神经网络的复杂电子设备实时故障诊断专家系统

以某型通信设备为例，介绍了如何将BP神经网络和传统的专家系统结合在一起，构成实时的故障诊断系统，从而避免传统的专家系统存在的一些问题，更好地解决故障诊断的问题。     

基于CBR的机载雷达故障诊断专家系统研究

以故障诊断的理论和方法为基础,综合运用神经网络、基于案例推理(CBR)和专家系统理论,对雷达装备的故障诊断问题进行研究,形成一个集成的智能诊断专家系统。介绍了系统的总体结构和工作原理,并给出具体的诊断实例,此方法充分利用神经网络和CBR的优点,将提高雷达装备故障诊断的正确性和效率。     

基于模糊神经网络的机载设备智能故障诊断系统

针对某型飞机机载设备故障多,且具有模糊性、复杂性的特点,本文将模糊逻辑和神经网络相结合,采用模糊隶属函数来描述这些故障的程度,建立了模糊神经网络故障诊断模型.采用图形化编程技术,开发了一种故障诊断推理流程图,方便了用户的开发.该系统依据专家知识和测试数据,可将故障隔离到内场可更换单元(SRU)或某个功能电路.实践证明该诊断系统是有效的,具有推广应用价值.     

人工神经网络和机械故障诊断

智能化诊断是现代故障诊断技术发展的主要趋势,人工神经网络技术的出现为这种智能化提供了一个全新的途径。本文首先简单介绍了人工神经网络的基本性能及几个重要模型,着重探讨了人工神经网络技术在机械故障诊断领域中预测与控制、工况监测与故障分类诊断、模糊诊断和基于专家系统的故障诊断等几个主要方面的应用,指出人工神经网络技术与现有的信号处理、模式识别、模糊逻辑、专家系统等技术相结合,以解决故障信号分析与处理、故障模式识别以及故障论域专家知识的组织和推理等问题,必将加快智能化诊断发展的进程。可以预料:基于人工神经网络的故障诊断技术将具有广阔的发展与应用前景,并且随着VLsI 技术的发展,这一新技术必将广泛地应用于各种诊断实例。最后讨论了进一步值得研究的方向。     

基于专家系统与神经网络集成的故障诊断的应用研究

本文针对工业生产中使用的直流电动机,应用人工智能的相关理论对其故障进行了广泛深入地研究。在此基础上,探讨了专家系统与人工神经网络相集成的电动机故障智能诊断方法并加以实现。实践证明,网络的学习时间显著缩短,整个系统的推理效率明显提高,并验证了集成式专家系统的诊断效果比传统的专家系统或神经网络更为全面、准确和迅速。电动机故障的集成式智能诊断方法是一个既有理论研究意义又有实际使用价值的课题与方向。     

基于专家系统与神经网络集成的故障诊断的应用研究

本文针对工业生产中使用的直流电动机，应用人工智能的相关理论对其故障进行了广泛深入的研究。在此基础上，探讨了专家系统与人工神经网络相集成的电动机故障智能诊断方法并加以实现。实践证明，网络的学习时间显著缩短，整个系统的推理效率明显提高，并验证了集成式专家系统的诊断效果比传统的专家系统或神经网络更为全面、准确和迅速。电动机故障的集成式智能诊断方法是一个既有理论研究意义又有实际使用价值的课题与方向。     

基于K-means聚类与概率神经网络的模拟电路故障诊断方法

模拟电路已广泛应用于航空电子系统,模拟电路的失效会影响系统的功能,引起系统故障,甚至引发灾难性的安全事故。为快速准确地实现模拟电路的故障诊断,该文引入概率神经网络方法,并针对传统概率神经网络方法中的诊断准确性、诊断效率问题,提出基于K-means与概率神经网络的模拟电路故障诊断方法,定义聚类有效性指标,采用K-means聚类分析与有效性指标分析相结合的方式,选取聚类中心作为模式层神经元训练概率神经网络模型,从而降低模型的复杂程度,大大减少故障诊断时间。最后,以有源滤波电路为对象,通过与传统概率神经网络方法以及随机概率神经网络方法的对比分析,验证该文方法在故障诊断准确性以及故障诊断效率上的优越性能。     

一种基于软计算的转子故障诊断方法

提出了一种基于软计算的转子故障诊断方法。该方法充分利用软计算中的模糊集合理论,人工神经网 络,粗糙集理论和遗传算法等计算方法优势,弥补它们相互的不足,进行故障诊断。首先利用粗糙集理论对样本数据进 行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据这些规则进行网络设计,其中,网络隐层节点的数目等于 规则的数目,初始网络权重由规则的依赖度和条件覆盖度确定,最后用遗传算法对模糊神经网络参数进行优化。使用该 网络对转子类常见故障进行诊断。实验表明,和一般模糊神经网络相比,这种基于软计算的诊断方法具有训练时间短、 诊断准确率高的特点。     

Expert Diagnosing system for a Rotation Mechanism Based on a Neural Network

By combining the artificial neural network with the rule reasoning expert system,an expert diagnosing system for a rotation mechanism was established.This expert system takes advantage of both a neural network and a rule reasoning expert system;it can also make use of all kinds of knowledge in the repository to diagnose the fault with the positive and negative mixing reasoning mode.The binary system was adopted to denote all kinds of fault in a rotation mechanism.The neural networks were trained with a random parallel algorithm (Alopex).The expert system overcomes the self-learning difficulty of the rule reasoning expert system and the shortcoming of poor system control of the neural network.The expert system developed in this paper has power ful diagnosing ability.     

机泵群实时监测网络和故障诊断专家系统

应用现代信息技术和人工智能实施设备诊断工程,逐步实现状态维修和预知维修,是大型流程工业企业降低生产成本的重要途径之一。概要介绍为实现这一目标所开发的机电装备实时监测网络和人工智能诊断技术。简要介绍了基于Ethernet和FDDI开发、应用于石化企业的机、泵群实时监测网络;首次提出了黑灰白集合筛选法,在一次原因分析法和故障机理及其识别特征研究基础上,应用此方法开发的基于黑灰白集合筛选法的机械故障诊断专家系统,用于工程实践取得了满意的结果。     

基于BP网络信息融合技术的电路板故障诊断

对基于BP神经网络的信息融合故障诊断技术进行了研究,将信息融合技术应用到某型反舰导弹俯仰综合放大器电路板的故障诊断中,并利用改进的BP神经网络进行数据融合,得到了较为理想的结果.研究表明,该方法能够较好地解决电路板元件故障诊断的不确定性问题.