MATLAB神经网络工具箱在故障诊断中的应用

阐述了基于Levenberg-Marquardt算法训练BP网络的原理及其结构，借助于MATLAB 6.x中Neural Network人工神经网络工具箱对旋转机械的故障诊断进行了研究，试验表明利用MATLAB将神经网络引入旋转设备故障诊断，诊断快速，结果精确，并且灵活性强，能够满足工程技术人员的需要．并在此基础上开发了旋转机械诊断系统。     

基于遗传算法的灰铁铸件缺陷诊断的神经网络模型

将铸造生产中缺陷产生的主要原因抽象为神经元，构建了灰铸铁件缺陷诊断的BP神经网络模型，采用非线线性变换，确定了样本的变化范围，用遗传算法学习网络模型的权值，开发出了基于C＋＋的铸件缺陷诊断及防止的应用软件，并通过建立铸件缺陷数据库，以克服专家系统的“瓶颈”问题，从而有效地降低铸件的废品率。     

GA优化ELM神经网络的排水管道缺陷诊断

为及时发现排水管道安全隐患,准确掌握管道状况,结合极限学习机(extreme learning machine,ELM)神经网络和管道闭路电视(closed circuit television,CCTV)检测,建立一个数据驱动的排水管道缺陷诊断模型.采用遗传算法(genetic algorithm,GA)优化ELM神...     

MATLAB环境下频域分析在工程锚杆无损检测中的应用

随着锚杆锚固技术在世界各地岩土工程中越来越广泛的应用,锚杆锚固工程质量问题时有发生,因此,对锚杆的检测工作就显得极其重要.以某工程为实例,分别采集完整锚杆和缺陷锚杆的时域和频域信号,进行对比结果分析,得出频域分析可作为锚杆缺陷识别判断的依据.     

基于MATLAB神经网络工具箱的基础选型系统的构建

建筑基础初步设计中很重要的一项就是要确定基础类型，基础类型的选择受到许多因素的影响。提出了一个基于MATLAB6.1神经网络工具箱构建的基础选型系统，来帮助设计人员选择适当的基础形式，结果表明此方法是有效的。     

陶瓷制品缺陷神经网络型知识库的研究

探讨由陶瓷制品缺陷分析样本来建造神经网络，它可作为专家系统的知识库。对专家系统的知识获取问题，神经网络给出了一条新的途径。它适用于分类、诊断和鉴别问题，且适用于诸如过程控制的实时应用环境。     

MATLAB神经网络在湖库富营养化程度评价中的应用

基于MATLAB神经网络和我国湖库富营养化评价标准,运用人工神经网络模式识别理论和方法,分别建立了BP,PNN,GRNN和Elman神经网络湖泊富营养化等级评价模型,对全国24个主要湖泊富营养化程度进行评价,并与文献[5]和文献[9]的评价结果进行比较.结果表明:基于MATLAB神经网络模型评价湖库富营养化程度是可行的...     

胶合板缺陷模糊神经网络检测算法

讨论了模糊逻辑和神经网络的工作原理,笔者在神经网络中引入模糊逻辑算法,将模糊逻辑处理不精确不完备信息的能力和神经网络的自适应自学习能力相结合,提出一种模糊神经网络算法,构建出模糊神经网络分类器,并且以胶合板缺陷检测为应用背景,对其分类的实时性、准确率等指标进行了验证,得到了分类精度93 33%,和训练次数5856次的良好性能.实验结果表明:在引入模糊逻辑算法后,基于模糊逻辑的神经网络分类器在模式分类精度和实时性等方面性能指标都得到了提高.     

正交缺陷分类的缺陷属性在缺陷管理中的应用

基于IBM研究中心提出的正交缺陷分类属性设计缺陷数据表格,并给出缺陷处理具体流程.     

土层锚杆在深基坑支护中的应用

通过实际工程的施工．利用理论计算与实际施工比较．给出了一个土层锚杆在深基坑支护工程应用中的成功经验，     

神经网络技术在机械故障诊断中的应用

介绍了人工神经网络技术的基本原理及其在机械故障诊断中的步骤，最后介绍了人工神经网络技术在机械故障诊断中的应用。     

集成神经网络在机械故障诊断中的应用

目前，机械故障诊断的关键是寻找一种使诊断结果更为有效的方法，对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于机械故障诊断中．根据故障的特点，将集成神经网络分为浅层次集成和深层次集成，并通过诊断实例验证了此方法的准确性．     

并行遗传神经网络及其在机械故障诊断中的应用

在机械故障诊断中，对并发的故障进行诊断是一个备受关注的问题。为此，提出了用并行遗传神经网络诊断并发的故障的新方法。介绍了并行神经网络的结构、遗传算法的建模原理及并行遗传神经网络的结构和诊断机理。以某大型旋转机械为诊断对象讨论了该方法的实现技术，并与传统的BP(back—propagation)网络用于故障诊断的方法进行了比较。实验仿真结果表明，该方法在训练网络过程中能够避免网络陷入局部极小，加快网络训练的速度，减少诊断时间。     

小波神经网络在变压器故障诊断中的应用

为提高神经网络系统故障诊断的效率和准确率,考虑到小波变换的良好的时－频特性,本文结合小波变换和神经网络并应用于电力变压器的故障诊断中,取得了较好的效果。     

混合神经网络在泵站机组故障诊断中的应用

分析了专家系统ES和前向神经网络MLP对新事件的识别能力的不足 ,探讨了神经网络的数学模型和数学结构 ,建立了MLP和ART1相结合的混合型神经网络模型 ,以实现故障模式的有效识别 .在泵系统故障诊断与监测中的应用表明 ,混合型神经网络能可靠地进行水泵机组故障模式的识别 .     

一种多组并联模糊神经网络用于信息融合诊断

研究了诊断对象多方位信息的综合利用,讨论了数据层融合的加权自适应最小平方估计、关联及特征层融合的模糊处理,并提出了一种新型的多组并联的模糊神经网络故障识别方法,在汽轮发电机组故障诊断中,解决了繁多种类的大量数据的快速处理,利用整体协调优势,提高了复杂设备并发故障诊断的精确度,并给出了应用实例。     

CP神经网络在机械故障模式识别中的应用

机械设备状态监测与故障诊断技术是保证机械设备安全稳定运行的一项重要措施。由于机械设备结构越来越大型化和复杂化 ,依靠人自身的经验和能力难以判断其征兆与故障之间的关系。随着计算机技术在各个领域的应用 ,智能型的自动监测与诊断技术在机械设备中得到了广泛应用。根据几种典型神经网络特点 ,选择了CP神经网络作为机械故障模式识别器。以大型机组典型故障的频率域特征参数作为网络的训练样本 ,对CP网络进行了训练 ,再将实际的一组频率域特征参数输入到模式识别器中 ,对故障类型进行识别。结果表明 ,以CP神经网络构筑的故障模式识别器有很强的非线性映射能力 ,可对机械设备故障模式进行正确分类。     

变精度粗糙集与神经网络在故障诊断中的应用

针对标准的粗糙集理论不能很好地处理带有噪声的数据,而故障诊断信息中难以避免地存在噪声数据,对此,提出了SOM网络-变精度粗糙集-RBF神经网络的故障诊断方法：首先应用SOM网络对故障诊断数据中的连续属性值进行离散化,然后利用变精度粗糙集理论的属性依赖度进行启发式约简,据此得到最优决策系统,最后在最优决策系统的基础上设计RBF神经网络进行故障诊断。实例验证了该方法的可行性,且故障诊断正确率高。