基于四比值的变压器故障神经网络诊断法

研究了根据电力变压器的油色谱分析结果和电气试验数据,将六种可燃性气体(H2、C2H6、CH4、C2H4、C2H2、CO)分别占气体总和的百分比值作为神经网络的四个输入量,采取四比值法利用BP网络对电力变压器故障进行综合诊断。     

电梯运行的神经网络控制

讨论电梯群组的几种控制，提出基于神经网络的控制方案，并结合实例仿真分析该智能控制方案的可行性与实用性。     

基于BP神经网络的无人机故障诊断专家系统研究

针对无人机系统故障复杂度高、非线性强、故障现象多种多样等特点,提出将专家系统与BP神经网络相结合应用于无人机系统的故障诊断中。给出了该诊断系统的具体结构组成和诊断流程,并以无人机的遥测遥控系统为例进行了实例诊断,最后给出了系统软件的实现方式。结果表明,该系统能有效地对无人机系统进行快速准确地诊断,具有很好的应用前景。     

基于神经网络的故障诊断专家系统研究

研究了基于神经网络的故障诊断专家系统的基本原理，结构和诊断策略，探讨了基于神经网络的故障诊断专家系统在知识表示，知识获取及推理机制方面的基本方法和特点。     

基于神经网络技术的故障诊断专家系统及其应用

针对基于符号专家系统的局限性提出了将神经网络技术引入故障诊断专家系统的思想，并对基于神经网络的专家系统的结构和工作原理进行介绍．最后，给出一个基于3层BP网的循环水泵故障诊断专家系统的实例，详细介绍其诊断过程，并对其进行仿真实验．仿真结果表明该系统的设计合理且可行．     

基于神经网络的并行诊断推理

将人工神经网络（ANN）技术用于不确定性的诊断推理中，该方法综合了ANN和专家系统（ES）的优点，模拟结果表明，本文提出的方法是很有效的。     

基于神经网络与规则库的故障诊断专家系统

现代设备的维护需要对设备所出现的故障能够出准确而且迅速的判断,为满足这些要求,单纯地依靠传统的故障诊断专家系统是不够的,指导人工智能中的神经网络知识应用到专家系统中去,建立神经网络专家系统;同时,把神经网络同规则库联合起来,又可达到优势互补的效果。在神经网络诊断中,采用牛顿算法和反向传播算法的联合对BP算法进行了一些改造,使收敛速度得以提高。在某油田注水泵机组故障诊断专家系统中应用了此种原理。     

基于BP神经网络的智能化玉米专家系统的构建

传统专家系统的知识库是静态的,每一次维护和更新都要由农业专家和知识工程师共同完成.农业知识具有地域性和时效性,且不同的农业专家的知识经验也不尽相同.笔者提出利用神经网络和模糊处理算法相结合,借助BP神经网络大规模的并行分布处理结构完成自适应学习过程.利用BP神经网络自适应地产生和精炼这些知识,根据本地不同农业专家的经验采用BP处理去优化这些知识,可以使专家系统的知识库不断更新,且更加适宜于本地经验的积累和针对该地区的特点进行决策.     

模糊神经网络故障诊断专家系统

模糊诊断和神经网络有机结构能够提高设备邦联诊断技术水平，文章阐述了单症兆主多症兆诊断模糊与神经网络的有机结合论述以模糊诊断原理为根据发展的扩展神经了网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。     

基于改进Elman神经网络的故障诊断模型研究

针对高频易损坏的常见机械设备,常存在故障特征量"表征难",诊断精度欠缺且判断时间长等问题.提出一种优化Elman神经网络故障诊断的模型,以凯斯西储大学轴承数据(CWRU)为实例,在诊断效果方面具有一定的改善.鉴于,滚动轴承常见的故障振动信号多呈现出非线性、非平稳的特征.首先,应用希尔伯特-黄变换(HHT)对原始信号数据...     

基于Spiking的RBF神经网络故障诊断算法

神经网络是一种不依赖模型的控制方法,其自身并不需要给定预先需要的有关先验知识和判断函数,因此能对变化的环境（包括扰动和噪声信号等等）具有良好的自适应性.RBF神经网络是具有单隐层的三层前馈网络,由输入到输出的映射是非线性的,而隐含层空间到输出空间的映射是线性的.其优点在于收敛速度快,具有唯一最佳逼近的特性,且不会陷入局部最小的问题.Spiking神经网络采用时间编码的方式来进行数据处理,更接近于实际生物神经系统.基于Spiking的RBF神经网络在预测精度和误差控制上有着显著的效果.     

基于T-S模糊神经网络的汽车故障诊断的研究

该文根据模糊神经网络的特性结合汽车故障诊断的技术,根据监控排放标准,采用个人手持式故障诊断仪获取数据流,T-S模糊逻辑与神经网络结合,训练模糊神经网络,进行故障诊断。使用误差反馈算法和模糊理论训练神经网络,根据训练完成的T-S模型对汽车防抱死系统故障进行诊断。体现了其诊断的准确性强和适用性广的特性。     

免疫神经网络在故障诊断中的应用研究

近年来,神经网络在故障诊断领域中应用广泛,但任何单一的故障诊断方法都有其优点和缺点,因此将免疫系统应用于神经网络隐层数据中心的选择,训练得出聚类中心,然后选择一种合适的确定隐含层到输出层的权值,计算得出神经网络的输出,并根据输出结果诊断出故障的类型．经实践证明,具有很好的诊断效果．     

基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ） 实现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断．仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件．     

基于神经网络的远程网络故障诊断系统

结合当前网络故障诊断的发展情况，提出了一种适合远程诊断的神经网络方法和基于此方法的远程网络故障诊断模型，实现了诊断的智能化，最后通过一个实全,验证了此模型的可行性。     

基于卷积神经网络的光伏逆变器故障诊断

光伏逆变器将太阳能电池板的直流电压转换为交流电压以驱动家用电器或者升压并入能源互联网,而绝缘栅双极型晶体管（IGBT）是光伏逆变器的核心组件,其状态异常将直接影响系统的正常运行。从减少传感器数量的角度出发,以直流侧的电流信号作为输入信号,设计了基于卷积神经网络（CNN）的故障诊断模型来监测IGBT的开路状态。并利用设计的Simulink模块生成的仿真数据对模型进行了训练和测试,都取得了很好的故障诊断性能。此外,还设计了不同噪声水平下的故障诊断测试,测试结果表明该故障诊断模型在噪声环境下具备有效性和鲁棒性。     

基于BP神经网络的液压系统故障诊断研究

介绍了神经网络反向传播算法(BP)的原理,研究了算法在某航天发射塔旋转平台液压系统故障诊断方面的应用,结合液压系统结构特点和工作原理,编制了基于BP神经网络的故障诊断系统,对液压系统各种故障模式进行了识别.仿真和试验表明设计的方案是可行的,并已成功应用于某航天发射塔旋转平台液压系统液压回路的故障诊断识别.     

基于卷积神经网络的抽油机故障诊断

为提高抽油机的故障诊断性能、减少诊断模型的硬件存储,设计了基于轻量注意力卷积神经网络和示功图的故障诊断方法。首先,将示功图的位移-载荷数据转换为图像,诊断模型的基础结构采用深度分离卷积,提出一种可嵌入连续卷积层的正则化注意力模块,对每个卷积层的通道进行压缩、注意力计算,并根据注意力建立通道失活机制,输出具有特征抑制或加强的注意力特征图。其次,在模型学习算法上,提出注意力损失函数抑制易分样本对模型训练损失的贡献,使模型训练关注难分样本。最后通过仿真实验验证有效性,结果表明该模型硬件存储仅为5.4 MB,故障诊断精度达95.1%,满足抽油机工况检测的诊断精度要求。     

基于神经网络信息融合的乳化器故障诊断系统

该文在分析、归纳了以往乳化器故障产生的原因及特征的基础上,着重研究了神经网络信息融合技术在乳化器故障诊断当中的应用。对采集到的乳化器多个关键部位振动信号进行处理、融合,最后根据融合后的信息得出诊断结果。仿真结果表明,该乳化器故障诊断方法诊断过程相对简单,诊断准确度较高。