固体火箭发动机故障诊断的神经网络方法研究

固体火箭发动机地面试验系统的故障诊断过程复杂,故障征兆和故障原因之间存在着许多不确定因素,精确定位故障存在许多困难.传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法,然而难以提高不确定故障诊断的性能.针对这种情况,提出了一种基于模糊神经网络的故障诊断方法.该算法同时具备了模糊理论的处理不确定、不准确信息的推理能力和神经网络的自学习能力.将这种方法应用到某固体火箭发动机地面试验系统的故障诊断,仿真结果表明,该算法有效,较好地解决了固体火箭发动机地面试验系统的不确定故障诊断问题.     

模糊神经网络技术在火灾探测信号处理中的应用

本文结合火灾探测信号的特点,提出一种将模糊神经网络应用于火灾探测报警系统的方法,实现模糊神经网络系统的自学习和自适应功能.依据模糊神经网络算法的要求,完成了网络结构的设计,并用BP算法对网络进行学习和训练.有效提高火灾报警的准确性,减少了火灾报警系统漏报率和误报率.     

基于模糊神经网络的导弹故障诊断专家系统

为了实现对导弹测发控系统的故障诊断,研究了模糊神经网络理论与算法,以及和专家系统的结合方式;综合神经网络、专家系统和模糊逻辑的各自优点和特点,提出了构建基于模糊神经网络的故障诊断专家系统的基本原则,并给出了一种构建方法;通过将传统的专家系统技术与模糊神经网络技术相融合,文中构造了某型导弹测发控系统智能故障诊断系统,验证了方案的可行性,为类似系统的进一步实现进行了有益的探索。     

ANFIS模糊神经推理机在故障诊断中的应用

传统的故障诊断专家系统大多是基于知识的故障诊断系统，有一定的局限性。模糊神经网络技术的引入，给故障诊断专家系统带来了新的思路，将模糊理论与神经网络融合，利用神经网络来实现系统的模糊逻辑推理，建立了一种基于模糊系统（FS）与神经网络（NN）融合的系统故障诊断方法，并利用MATLAB中的ANFIS模糊工具来实现其模糊神经推理过程，通过对系统进行仿真，得到了比较满意的结果，实例表明，该工具用于故障诊断的模糊推理是高效可行的     

基于聚类神经网络算法的故障诊断系统研究

以化工行业生产设备的故障诊断为研究背景,探讨了故障诊断的研究现状和研究方法。为了提高故障诊断的准确度,将模糊C均值算法与神经网络相结合,提出了基于聚类神经网络(FCM-ANN)算法的故障诊断方法。该故障诊断方法能显著降低数据集的复杂度,在一定程度上减轻了神经网络学习的压力。与传统的神经网络方法相比,该故障诊断方法的诊断率有了较大提高,误报率和漏报率也较低,诊断效果较为显著。对该故障诊断方法的有效性和实用性进行了验证,即在某化工企业故障诊断系统平台上进行了测试和使用。将该故障诊断方法运用到该企业的故障诊断系统中,从数据采集、数据处理出发,对如何在系统中使用FCM-ANN算法进行了阐述。运行结果表明,该系统提高了系统的准确率,增强了系统的实用性。     

模糊神经网络技术在火灾探测信号处理中的应用

本文结合火灾探测信号的特点,提出一种将模糊神经网络应用于火灾探测报警系统的方法,实现模糊神经网络系统的自学习和自适应功能。依据模糊神经网络算法的要求,完成了网络结构的设计,并用BP算法对网络进行学习和训练。有效提高火灾报警的准确性,减少了火灾报警系统漏报率和误报率。     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。     

基于神经网络的故障诊断效能模糊综合评价研究

构建了并行测试系统(PATS)故障诊断效能评价指标体系,针对该指标体系在评价过程中存在的不确定因素,结合神经网络和模糊理论的优点,提出了基于神经网络的模糊综合评价方法(FCEANN);详细给出了FCEANN的求解算法及步骤,结合实例进行仿真实验并与专家评价结果进行比较,对影响模型预测精度的因素进行了分析;仿真结果表明,基于BP神经网络和Elman神经网络的FCEANN均能够很好地模拟专家评价的全过程,能够准确地对PATS的故障诊断效能指标进行评价;并将两种神经网络的仿真结果进行了比较,结果表明,Elman神经网络得到的仿真结果精度更高.     

基于模糊神经网络的飞机某系统故障诊断研究

提出一种基于模糊神经网络的飞机某系统故障诊断方法。利用改进的模糊C均-值聚类算法进行结构辨识,从而自动获得模糊规则库,并得到模糊模型的初始参数;然后生成与之相匹配的初始模糊神经网络,并通过学习算法训练网络来进行参数辨识,得到一个精确的模糊模型。将该系统地面实测数据作为样本数据,建立起了基于模糊神经网络的飞机某系统故障诊断模型。最后对该模型进行测试与分析,结果表明该方法具有抗噪、抗敏感、诊断准确度高等优点。     

减法聚类-ANFIS在网络故障诊断的应用研究

提出了一种基于减法聚类-自适应模糊神经网络（ANFIS）的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。     

模糊神经网络变幅液压系统故障诊断

针对变幅液压系统复杂性、不确定性、模糊性的特点,提出基于故障树的模糊神经网络作为变幅液压系统故障诊断的方法。该方法利用故障树知识提取变幅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,采用模糊隶属函数来描述这些故障的程度,利用Levenberg-Marquardt优化算法对神经网络进行训练,系统推理速度快,容错能力强,并通过实例分析验证了变幅液压系统模糊神经网络故障诊断的有效性。     

基于补偿神经网络的航空电子故障智能诊断系统及应用

针对航空电子系统中故障诊断的问题，提出一种将神经网络中的BP算法与模糊逻辑系统相结合、自动产生并自动修正模糊规则的自适应的模糊逻辑推理机。通过函数逼近仿真分析和航空电子系统故障诊断的实际应用，证明此方法简单有效，故障诊断的精度高，取得了较好的效果，具有一定的应用前景。     

水电数字仿真在线融合故障诊断专家系统

为了解决丰满水电数字仿真系统的在线故障诊断问题，基于信息与方法融合的思想，提出了分布式集成神经网络建模方法、模糊神经网络专家系统(FNNES)在线故障诊断方法。将模糊神经网络(FNN)嵌入专家系统(ES)中，FNN负责知识获取和逻辑推理，ES负责系统信息的输入和输出、符号推理，并对FNN的结论进行解释。系统的运行验证了方法的有效性和实际应用价值。为现场诊断系统的开发提供了有益的方法和经验。     

复杂系统的智能故障诊断技术现状及其发展趋势

智能故障诊断技术为保障工程技术系统的可靠性和安全性开辟了新的途径，随着系统设备和功能的日益复杂化，发生故障的机率以及由此带来的损失越来越大，现有单一、固定的故障诊断方法却难以满足复杂系统诊断的全部要求。该文针对复杂系统故障现象的特点，分析了现有基于规则、基于结构和行为、案例、模糊逻辑、神经网络及其集成知识诊断技术的各自特点和局限性，指出了机器学习对于当前复杂系统智能故障诊断发展的重要性，有利于改变现有单一、固定的故障诊断思维，并对未来的主要发展方向进行了一些探讨。     

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.     

复杂过程的智能集成故障诊断模型研究

由于复杂过程与一般工业过程的本质区别,使得传统的依赖对象精确数学模型的故障诊断方法难以取得令人满意的结果。而智能技术具有无需建立对象精确模型的优势,并且可以充分利用人类专家的经验知识,因此利用智能故障诊断模型研究适合复杂过程实现的故障诊断技术既是必要的也是可行的。通过比较目前研究较多的智能故障诊断模型,提出基于模糊逻辑、神经网络与专家系统的智能集成故障诊断模型,以便有效地解决复杂过程的故障诊断问题,并具体分析了模型组成机理、结构和网络学习算法,从而为复杂过程的故障诊断技术研究提供了新的途径。     

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。     

基于组合逻辑的故障诊断方法

针对复杂系统故障传播和故障分析的模糊性和不确定性,首先,在逻辑Petri网和模糊Petri网的理论基础上,根据逻辑Petri网的传值不确定性以及模糊Petri网对模糊信息的表示和推理能力的特点,提出模糊逻辑Petri网的概念及推理规则,考虑不同故障源对故障的影响程度,将概率信息引入模糊逻辑Petri网,对故障源赋予置信度,使故障诊断过程更符合实际。其次,利用模糊逻辑Petri网对故障诊断系统进行建模,用模糊逻辑Petri网描述了系统故障状态组合的逻辑关系,并进一步简化了系统模型的表达形式,具有良好的封装性、重构性和可维护性,在一定程度上缓解了状态组合空间爆炸问题。针对故障的传播性,采用可达性分析方法对故障信息的传播路径进行模拟论证,提高了故障诊断效率。最后,通过离心式压缩机故障诊断过程实例分析,验证了该方法的有效性和可行性,提高了故障诊断过程的准确性和高效性。