基于神经网络的发动机异响故障诊断方法

针对汽车发动机异响故障诊断的特征，研究了基于神经网络的异响故障诊断专家系统的理论和方法及实现过程，并将此方法应用于具体JL368Q发动机异响故障诊断，结果表明其方法具有通用性和高效性。     

基于改进BPNN的电子化指挥系统故障诊断

基于BP神经网络和案例推理模型,建立导弹电子化指挥系统故障诊断专家系统的基本结构,并给出一个具体的应用实例.首先对导弹电子化指挥系统的故障机理进行分析,在此基础上研究基于BP神经网络和案例推理相结合模型的故障诊断技术的应用,确定了基于改进BP神经网络的故障诊断专家系统的设计思想和实现方法,并建立了基于BP神经网络和案例推理结合模型的导弹测控系统故障诊断专家系统,弥补了单一故障诊断推理模型的不足.通过对某型导弹电子化指挥系统中语音系统的故障诊断实例,说明了该故障诊断专家系统的可行性.     

基于BP神经网络的汽车故障诊断的研究

研究了一种基于BP神经网络的汽车故障诊断方法。主要结合了专家系统判断推理的思想,通过多个子BP神经网络形成一条诊断链,从故障征兆出发,对汽车故障进行分级连续诊断,使故障诊断范围逐级缩小,最终确定汽车故障的具体原因。该方法符合人的逻辑思维,实现简洁,同时具有很高的诊断精度和很好的鲁棒性,可行性强。     

数控设备远程运行与故障诊断系统体系结构设计

以柔性制造系统中数控设备为制造单元并作为控制对象,以实现CAD/CAM/CAPP智能化、集成化地制造.通过分析网络化环境下数控设备远程运行与故障诊断系统的特点,提出该系统的体系结构,使用BP神经网络进行数控设备的故障诊断,阐述了基于BP神经网络和专家系统混合的神经网络故障诊断专家系统的基本原理,并分析了基于EJB的数控...     

模拟退火粒子群算法在汽车故障诊断中的应用

将基于模拟退火改进粒子群优化（SAPSO）算法和误差反向传播（BP）算法相结合构成的SAPSO-BP算法用于训练神经网络,该算法能够有效克服BP和PSO算法独立训练神经网络的缺陷。并应用于汽车发动机异响智能故障诊断。诊断结果表明,SAPSO-BP混合算法的收敛速度快于BP及PSO-BP算法。并且具有较高的诊断准确率。     

基于神经网络的汽车故障诊断分析

文章研究了一种基于BP神经网络的汽车故障诊断方法。通过分析BP神经网络模型,以汽车电气系统故障诊断为例,将故障作为神经网络的输出,利用BP神经网络预测模型对故障诊断进行模拟学习,最终确定故障具体原因。研究表明,该方法用于汽车故障诊断具有较高的可行性,可广泛推广。     

基于神经网络的导弹故障诊断方法研究

针对传统方法在导弹故障诊断领域应用中的局限性,提出了将神经网络理论与专家系统技术相结合的混合方法用于导弹的故障诊断过程.介绍了BP神经网络推理模型,研究了基于神经网络的导弹故障智能诊断专家系统的结构及功能实现,并对某导弹系统进行了故障分析,给出了具体的诊断实例.将此方法应用于导弹武器系统故障诊断中,可提高诊断的智能性.     

基于神经网络专家系统的某测试设备故障诊断

以某型测试设备为研究对象,针对该设备的电路结构和工作特点,建立了基于BP神经网络推理模型的测试设备智能故障诊断系统.介绍了该诊断系统的基本结构、知识库的设计以及神经网络推理机的实现技术,最后结合测试设备故障诊断特点给出仿真试验,证明将神经网络应用于专家系统中弥补了传统专家系统的不足,具有很强的实用价值.     

四余度舵机智能故障诊断专家系统设计研究

针对机电液高度耦合的某型四余度舵机，提出了一种基于模糊诊断法和神经网络诊断法的专家系统故障诊断方法。根据实际需求，将系统分为元件、部件及系统3种不同层次的故障诊断问题，分别建立了模糊故障诊断模型和BP神经网络故障诊断模型，最后介绍了智能故障诊断专家系统的实现及功能。     

基于神经网络的故障诊断专家系统在船闸上的应用

针对传统故障诊断专家系统所存在的问题,提出了一种基于神经网络的故障诊断专家系统模型,并且把此模型应用到船闸的故障诊断上.同时详细介绍了基于神经网络的船闸故障诊断专家系统的结构及各功能模块的设计.     

基于故障树的汽车起重机液压故障诊断专家系统

根据汽车起重机液压系统故障诊断的特点,建立了汽车起重机液压故障诊断专家系统。该系统提出将故障树和模糊神经网络相融合,并以汽车起重机常见故障为例建立了相应的故障树模型,完成了基于专家规则表示与模糊表示下知识数据库的构建与推理机的实现。解决了传统专家系统知识获取困难的问题;运用模糊神经网络的自学机制,保证知识库的完整性和正确性;实现了对汽车起重机液压系统的故障诊断内容的不断的更新和扩充,并及时将已发生及预测到的的故障写入数据库中,提高了查找故障的准确率及效率,有利于预防和控制汽车起重机液压系统的故障。     

基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level,SPL）作为单一评价指标,既不能全面反映噪声的物理属性,也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声,引入声品质,运用大涡模拟（Large eddy simulation,LES）对风振噪声进行数值仿真,根据实车道路试验判断仿真的准确性;对仿真结果进行声品质客观评价与主观评价,综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型;利用遗传算法（Genetic algorithm,GA）,进一步对BP神经网络的结构参数进行优化,建立GA-BP声品质预测模型。研究结果表明,GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果,其预测值可以代替传统的声压级评价指标,为风振噪声提供更为准确合理的评价。     

基于神经网络的数控机床故障诊断专家系统

针对传统专家系统在处理故障诊断中的不足,提出了将神经网络技术与专家系统融合的诊断模型,并用于数控机床的故障诊断中.介绍了诊断系统结构、功能及改进的BP神经网络算法,并给出了应用实例.试验结果表明,该方案合理、可行,有较好的应用前景.     

基于GNN的全寿命期砼泵液压系统故障分析

液压系统是机、电、液耦合的复杂系统,实践表明工程机械有70%的故障是由液压系统引起的,液压系统的故障诊断已成为国内外学者研究的热点,其中智能化诊断已成为当前发展趋势,以神经网络应用最为广泛。然而研究发现,各类BP网络模型在样本点的选取上均没有考虑液压系统寿命周期不同对故障诊断所造成的影响,为解决这个问题,构建了全寿命期砼泵液压系统故障分析模型,在神经网络分析的基础上考虑设备寿命期对系统故障分析的影响,并结合遗传算法对BP神经网络进行优化。     

遗传神经网络在轴系故障诊断中的应用

为解决BP神经网络收敛速度慢以及容易陷入局部最优解的问题,将遗传算法与BP神经网络相结合应用于轴系故障诊断中。首先设计了船舶柴油机轴系模拟实验平台,然后利用小波包分解技术分析了轴系故障时的振动信号,并将其能谱熵作为故障模式的特征向量,最后对轴系的4种运行状态进行了故障识别与分析。仿真结果表明,GA-BP算法预测精度要高于传统的BP算法,适用于轴系的状态监测和故障诊断。     

基于神经网络的塔式起重机电气设备故障诊断系统

为了提高塔式起重机的故障检测效率,将BP神经网络故障诊断应用于起重机电气设备的故障诊断中。该系统一方面可根据新的故障样本自动学习、训练和更新故障知识,形成新的故障诊断规则并添加到专家系统知识库中。另一方面,直接调用神经网络诊断模块实现故障诊断,根据故障现象诊断故障原因,为维修提供指导。     

基于三种理论的汽油机故障诊断系统应用研究

阐述了模糊逻辑、BP神经网络和专家系统的相关理论,探讨了结合三种理论构建系统的优点,介绍了电控汽油机故障诊断的相关理论。在上述理论的基础上,阐述了电控汽油机模糊神经网络诊断专家系统的构建方法,并运用MATLAB软件针对汽油机故障征兆-故障模式样本集编写了BP神经网络训练程序对样本进行了学习训练和仿真。     

神经网络在航空活塞发动机排气门故障预测中的应用

针对航空活塞发动机排气门卡阻故障,经过对故障机理的分析,提出了一种利用神经网络对排气门导套与气门杆的配合间障进行预测,以间接预测排气门卡阻故障的方法。将影响排气门积垢速率的因素设定合理的特征值,以这些特征值和发动工作时间作为输入向量,配合间隙作为输出向量,分别建立了GRNN神经网络和BP神经网络预测模型。预测实例表明,GRNN神经网络预测模型具有较高的预测精度、稳定的网络以及较快的收敛速度,预测性能优于BP神经网络模型,预测结果可作为评估排气门卡阻故障发生概率的有效依据。     

基于SVM和BP神经网络的轴系故障诊断

阐述SVM（support vector machine）和BP（back propagation）两种神经网络的基本原理和算法,将其应用于柴油机轴系的故障诊断与识别,建立轴系故障的SVM故障诊断模型,并与BP神经网络进行对比分析研究。结果表明,SVM和BP神经网络都具有精度较高的故障识别能力,但SVM整体性能优于BP神经网络,具有较快的训练速度和较强的非线性映射能力,非常适用于轴系的状态监测和故障诊断。